跳到正文
← 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:摘要直接研究金融波动因子的提取,以及波动指标和股权溢价的预测。

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
Elena Andreou
Eric Ghysels

预测 VIX 与波动率风险溢价:短期融资利差波动因子的作用

研究问题
从短期融资利差的波动率面板提取共同因子,能否帮助预测 VIX、标普500已实现波动率和风险溢价,并改善跨频率预测?
方法与思路
作者从大量单变量 ARCH 类模型的滤波波动率提取因子,考虑估计误差,并比较利差水平因子及已有因子,使用 MIDAS 纳入日度信息。
材料陈述的贡献
摘要称,月度融资利差波动因子对 VIX、已实现波动率和股权溢价带来样本内外预测增益,日度因子配合 MIDAS 可进一步改善预测。
阅读关注点
应核对波动率估计误差的处理、因子提取与基准选择、样本外评价设计,以及方差风险溢价和股权溢价各自的定义与结果。
阅读边界
仅依据所给出版社摘要,预测增益的幅度、显著性和评价窗口均不明确;摘要涉及不同风险溢价概念,不能将其预测结果相互替代。

原文摘要

This paper presents an innovative approach to extract Volatility Factors which predict the VIX, the S&P500 Realized Volatility (RV) and the Variance Risk Premium (VRP). The approach is innovative along two different dimensions, namely: (1) we extract Volatility Factors from panels of filtered volatilities — in particular large panels of univariate ARCH-type models and propose methods to estimate common Volatility Factors in the presence of estimation error and (2) we price equity volatility risk using factors which go beyond the equity class namely Volatility Factors extracted from panels of volatilities of short-run funding spreads. The role of these Volatility Factors is compared with the corresponding factors extracted from the panels of the above spreads as well as related factors proposed in the literature. Our monthly short-run funding spreads Volatility Factors provide both in- and out-of-sample predictive gains for forecasting the monthly VIX, RV as well as the equity premium, while the corresponding daily volatility factors via Mixed Data Sampling (MIDAS) models provide further improvements.

笔记与分组
相关领域论文