Bayesian Dynamic Modeling of Realized Volatility in Financial Asset Price Forecasting
金融资产价格预测中已实现波动率的贝叶斯动态建模AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要联合使用日内高频数据、已实现波动率与股票收益预测，直接覆盖三个金融细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
金融资产价格预测中已实现波动率的贝叶斯动态建模
- 研究问题
- 如何联合建模价格与已实现波动率，将日内高频信息用于股票收益预测，并刻画波动率杠杆与反馈关系及其预测价值？
- 方法与思路
- 作者将动态伽马过程的已实现波动率模型与价格或收益的贝叶斯动态线性模型结合，采用共轭序贯滤波及模拟预测。
- 材料陈述的贡献
- 摘要称多个标普行业 ETF 的研究显示相对标准模型的预测改善，计算增量较小，并指出结构有望扩展到多变量预测与组合应用。
- 阅读关注点
- 应核对条件模型中的杠杆和反馈设定、日内波动率代理的构造、预测评估指标与基准，以及高维扩展是否已有实际验证。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给预测改善数值，其约化式杠杆与反馈关系不能直接解释为因果机制。
原文摘要
We present a new class of Bayesian dynamic models for bivariate price-realized volatility time series in financial forecasting. A novel dynamic gamma process model adopted for realized volatility is integrated with traditional Bayesian dynamic linear models (DLMs) for asset price series. This represents reduced-form volatility leverage and feedback effects through use of realized volatility proxies in conditional DLMs for prices or returns, coupled with the synthesis of higher frequency data to track and anticipate volatility fluctuations. Analysis is computationally straightforward, extending conjugate-form Bayesian analyses for sequential filtering and model monitoring with simple and direct simulation for forecasting. A main applied setting is equity return forecasting with daily prices and realized volatility from high-frequency, intraday data. Detailed empirical studies of multiple S&P sector ETFs highlight the improvements achievable in asset price forecasting relative to standard models and deliver contextual insights on the nature and practical relevance of volatility leverage and feedback effects. The analytic structure and negligible extra computational cost will enable scaling to higher dimensions for multivariate price series forecasting for decouple/recouple portfolio construction and risk management applications.