A semiparametric stochastic volatility model
一种半参数随机波动率模型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：摘要直接研究随机波动率、收益与波动率创新的相关性及杠杆效应，并与 SV、GARCH 比较，明确属于波动率建模。
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
一种半参数随机波动率模型
- 研究问题
- 收益与波动率创新之间的相关性能否随时间及市场消息类型变化，传统固定杠杆效应模型是否会遗漏这种变化？
- 方法与思路
- 作者用线性样条扩展经典杠杆随机波动率模型的相关结构，以贝叶斯方法估计和比较，并考察模拟及美国日、周数据。
- 材料陈述的贡献
- 摘要称，应用结果支持所提模型，并在一些传统模型未识别杠杆效应的个股中发现时变杠杆效应，另比较样本内外表现。
- 阅读关注点
- 应核对消息类型与时变相关性的定义、样条约束及先验设定，并检查与经典 SV、GARCH 比较所用的评价指标。
- 阅读边界
- 仅据所给出版社摘要，无法判断样本、效果大小与比较稳健性；摘要报告的实证支持不能推广为所有市场中的优势。
原文摘要
In this paper the correlation structure in the classical leverage stochastic volatility (SV) model is generalized based on a linear spline. In the new model the correlation between the return and volatility innovations is time varying and depends nonparametrically on the type of news arrived to the market. Theoretical properties of the proposed model are examined. The model estimation and comparison are conducted by Bayesian methods. The performance of the estimates are examined in simulations. The new model is fitted to daily and weekly US data and compared with the classical SV and GARCH models in terms of their in-sample and out-of-sample performances. Empirical results suggest evidence in favor of the proposed model. In particular, the new model finds strong evidence of time varying leverage effect in individual stocks when the classical model fails to identify the leverage effect.