A multiple regime smooth transition Heterogeneous Autoregressive model for long memory and asymmetries
刻画长记忆与非对称性的多区制平滑转换 HAR 模型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：摘要研究金融波动率 HAR 模型，并使用交易层级高频数据开展应用。
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
刻画长记忆与非对称性的多区制平滑转换 HAR 模型
- 研究问题
- 如何在金融波动率动态中同时描述长记忆、正负方向与幅度非对称，并确定适当的平滑转换区制数量？
- 方法与思路
- 作者将 HAR 模型扩展为多区制平滑转换形式，提出区制数量检验及估计程序，用模拟和十年交易层级数据评估。
- 材料陈述的贡献
- 摘要称，股票应用支持长记忆及方向、幅度非对称；新模型结合线性 HAR 模型，可作为灵活的波动率预测工具。
- 阅读关注点
- 应核对区制检验的顺序与决策规则、长记忆的近似机制、交易数据如何生成波动率，以及结合预测的构造与评价。
- 阅读边界
- 所给出版社摘要未说明样本股票、区制数量或预测误差数值；应用支持不能据此证明模型具有普遍预测优势。
原文摘要
In this paper we propose a flexible model to describe nonlinearities and long-range dependence in time series dynamics. The new model is a multiple regime smooth transition extension of the Heterogeneous Autoregressive (HAR) model, which is specifically designed to model the behavior of the volatility inherent in financial time series. The model is able to simultaneously approximate long memory behavior, as well as describe sign and size asymmetries. A sequence of tests is developed to determine the number of regimes, and an estimation and testing procedure is presented. Monte Carlo simulations evaluate the finite-sample properties of the proposed tests and estimation procedures. We apply the model to several Dow Jones Industrial Average index stocks using transaction level data from the Trades and Quotes database that covers ten years of data. We find strong support for long memory and both sign and size asymmetries. Furthermore, the new model, when combined with the linear HAR model, is viable and flexible for purposes of forecasting volatility.