Anticipating Long-Term Stock Market Volatility
预判长期股票市场波动率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。
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：摘要明确以股票市场长期波动为目标并采用 GARCH–MIDAS 模型，直接对应金融波动率研究。
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
预判长期股票市场波动率
- 研究问题
- 研究美国股票市场长期波动与宏观经济环境的关系，哪些宏观变量及其预期信息对长期波动具有较强预测能力。
- 方法与思路
- 作者使用双成分 GARCH–MIDAS 模型区分波动成分，比较多种宏观变量，并纳入专业预测者调查中的未来经济预期。
- 材料陈述的贡献
- 摘要称期限利差、住房开工、企业利润和失业率预测能力较强；部分变量具有领先性，部分变量的调查预期更有信息。
- 阅读关注点
- 应核对长期波动成分的定义、混合频率设定和预测评价方式，以及宏观数据发布时点、修订与调查预期的使用。
- 阅读边界
- 仅依据所给 OpenAlex 摘要版本；样本期、预测数值和评价设计未说明，变量关系不能据此解释为因果作用或刊本变化。
原文摘要
We investigate the relationship between long-term US stock market risks and the macroeconomic environment using a two-component GARCH-MIDAS model. Our results show that macroeconomic variables are important determinants of the secular component of stock market volatility. Among the various macro variables in our dataset the term spread, housing starts, corporate profits and the unemployment rate have the highest predictive ability for long-term stock market volatility. While the term spread and housing starts are leading variables with respect to stock market volatility, for industrial production and the unemployment rate expectations data from the Survey of Professional Forecasters regarding the future development are most informative. Copyright © 2014 John Wiley & Sons, Ltd.