Intraday Value-at-Risk: An asymmetric autoregressive conditional duration approach
日内风险价值：非对称自回归条件持续时间方法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：摘要使用实时逐笔交易数据，并以股票日内风险价值为直接研究对象。
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
日内风险价值：非对称自回归条件持续时间方法
- 研究问题
- 如何根据实时逐笔交易数据计算股票的日内风险价值，并利用价格持续时间的信息刻画日内价格变动与风险？
- 方法与思路
- 作者按价格持续时间筛选逐笔数据，估计两状态非对称自回归条件持续时间模型，再通过蒙特卡洛模拟计算日内风险价值。
- 材料陈述的贡献
- 摘要称，在纽约证券交易所数据的回测中，该方法计算的日内风险价值优于摘要列举的两种既有方法。
- 阅读关注点
- 应核对价格持续时间的定义、两状态机制和模拟步骤，并查看回测覆盖的风险水平、预测时距及比较指标是否一致。
- 阅读边界
- 所给出版社摘要未说明股票样本、回测期间、显著性或改善幅度；不能据此判断方法在其他交易制度与市场中的表现。
原文摘要
We propose to compute the Intraday Value-at-Risk (IVaR) for stocks using real-time transaction data. Tick-by-tick data filtered by price duration are modeled using a two-state asymmetric autoregressive conditional duration (AACD) model, and the IVaR is calculated using Monte Carlo simulation based on the estimated AACD model. Backtesting results for the New York Stock Exchange (NYSE) show that the IVaR calculated using the AACD method outperforms those using the Dionne et al. (2009) and Giot (2005) methods.