GARCH density and functional forecasts
GARCH 的预测密度与分布泛函预测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：摘要直接研究收益波动模型、多步收益预测密度，以及 VaR、ES 等尾部风险泛函。
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…
GARCH 的预测密度与分布泛函预测
- 研究问题
- 高斯 GJR-GARCH(1,1) 模型下，未来某期单期收益的多步预测密度是什么，如何据此计算尾部风险及其估计不确定性？
- 方法与思路
- 作者推导允许非对称新闻冲击曲线的预测密度解析形式，用于计算尾部概率、VaR 和 ES，并映射参数估计不确定性。
- 材料陈述的贡献
- 摘要称，该预测密度虽对称却可能明显偏离高斯；解析表达可计算模型内的精确尾部概率，并形成泛函的不确定性区域。
- 阅读关注点
- 应核对密度公式的适用条件与计算方式、单期收益和累计收益的区别，以及参数估计误差如何传递至风险泛函。
- 阅读边界
- 所给 OpenAlex 摘要的结论限于指定的高斯 GJR-GARCH 模型；精确计算不等于模型正确，也未说明风险预测的实证改善。
原文摘要
This paper derives the analytic form of the multi-step ahead prediction density of a Gaussian GARCH(1,1) process with a possibly asymmetric news impact curve in the GJR class. These results can be applied when single-period returns are modeled as a GJR Gaussian GARCH(1,1) and interest lies in single-period returns at some future forecast horizon. The Gaussian density has been used in applications as an approximation to this as yet unknown prediction density; the analytic form derived here shows that this prediction density, while symmetric, can be far from Gaussian. This explicit form can be used to compute exact tail probabilities and functionals, such as the Value at Risk and the Expected Shortfall, to quantify expected future required risk capital for single-period returns. Finally, the paper shows how estimation uncertainty can be mapped onto uncertainty regions for any functional of this prediction distribution.