Second-Order Filter Distribution Approximations for Financial Time Series With Extreme Outliers
含极端异常值金融时间序列的二阶滤波分布近似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：摘要研究金融状态空间滤波与异常值处理，未明确涉及所列波动率、资产定价或尾部风险度量，故暂不细分。
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
含极端异常值金融时间序列的二阶滤波分布近似
- 研究问题
- 频繁出现极端异常值时，辅助粒子滤波能否可靠近似金融时间序列的滤波分布？论文比较一阶与二阶近似面对异常值的表现。
- 方法与思路
- 作者比较辅助粒子滤波中的对数似然一阶泰勒近似与一种二阶近似，使用模拟数据隔离模型误设和参数估计带来的影响。
- 材料陈述的贡献
- 摘要称，一阶近似在极端异常值下容易失效，而特定二阶近似在模拟中表现较好，展示其可行性及一阶方案的稳健性不足。
- 阅读关注点
- 应核对二阶近似的具体形式、权重计算与数值稳定性、异常值的模拟机制，以及不同近似的计算成本和失效判据。
- 阅读边界
- 证据来自模拟数据，摘要未说明具体模型、量化表现或实证验证；不能据此推断二阶近似在所有金融序列中均占优。
原文摘要
Particle filters are regularly used to obtain the filter distributions associated with state–space financial time series. The most common use today is the auxiliary particle filter (APF) method in conjunction with a first-order Taylor expansion of the log-likelihood. We argue that for series such as stock returns, which exhibit fairly frequent and extreme outliers, filters based on this first-order approximation can easily break down. However, an APF based on the much more rarely used second-order approximation appears to perform well in these circumstances. To detach the issue of algorithm design from problems related to model misspecification and parameter estimation, we demonstrate the lack of robustness of the first-order approximation and the feasibility of a specific second-order approximation using simulated data.