The Generalized Conditional Autoregressive Wishart Model for Multivariate Realized Volatility
多元已实现波动率的广义条件自回归 Wishart 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：摘要以资产收益的已实现协方差矩阵为建模对象，并明确由高频收益构造该矩阵，直接对应波动率与高频计量。
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
多元已实现波动率的广义条件自回归 Wishart 模型
- 研究问题
- 如何刻画由高频收益构造的已实现协方差矩阵的动态变化，同时处理资产方差与协方差的共同变化及矩阵的对称性、正定性？
- 方法与思路
- 作者提出 GCAW 模型，使 Wishart 分布的非中心矩阵和尺度矩阵分别由滞后已实现协方差矩阵驱动，表示两种动态来源。
- 材料陈述的贡献
- 作者称模型推广已有模型并保持矩阵对称性与正定性；纽约证券交易所日度数据应用中，其拟合与预测优于文中对照模型。
- 阅读关注点
- 应核对非中心矩阵与尺度矩阵的参数化、条件和无条件矩及平稳性条件，以及高频数据构造协方差矩阵和预测比较的过程。
- 阅读边界
- 摘要未说明具体平稳性条件、对照模型、预测损失或优势的统计证据；作者报告的拟合与预测优势不能外推到其他资产和时期。
原文摘要
It is well known that in finance variances and covariances of asset returns move together over time. Recently, much interest has been aroused by an approach involving the use of the realized covariance (RCOV) matrix constructed from high-frequency returns as the ex-post realization of the covariance matrix of low-frequency returns. For the analysis of dynamics of RCOV matrices, we propose the generalized conditional autoregressive Wishart (GCAW) model. Both the noncentrality matrix and scale matrix of the Wishart distribution are driven by the lagged values of RCOV matrices, and represent two different sources of dynamics, respectively. The GCAW is a generalization of the existing models, and accounts for symmetry and positive definiteness of RCOV matrices without imposing any parametric restriction. Some important properties such as conditional moments, unconditional moments, and stationarity are discussed. Empirical examples including sequences of daily RCOV matrices from the New York Stock Exchange illustrate that our model outperforms the existing models in terms of model fitting and forecasting.