Bayesian Multivariate Quantile Regression with alternative Time-varying Volatility Specifications
具有不同时间变动波动率设定的贝叶斯多元分位数回归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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究能源商品的时变波动率、分布尾部预测及预测模型组合。
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…
具有不同时间变动波动率设定的贝叶斯多元分位数回归
- 研究问题
- 预测能源商品分布尾部时，如何在贝叶斯多元分位数回归中纳入时间变动波动率，并整合不同模型在各分位点的预测信息？
- 方法与思路
- 作者利用多元非对称 Laplace 似然的混合表示和尺度矩阵的 Cholesky 型分解，引入随机波动率与 GARCH，并以 MCMC 估计。
- 材料陈述的贡献
- 摘要称，时变波动率模型主要在尾部预测中优于同方差基准；基于分位数评分的模型组合在单一模型优势不稳定时改善表现。
- 阅读关注点
- 应核对多元分位数的定义、似然解释、波动率识别及采样收敛，并检查组合权重、样本外评价与跨分位点一致性处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明商品样本、预测步长及改善幅度，尾部表现不等于全面优越。
原文摘要
This article proposes a novel Bayesian multivariate quantile regression to forecast the tail behavior of energy commodities, where the homoskedasticity assumption is relaxed to allow for time-varying volatility. In particular, we exploit the mixture representation of the multivariate asymmetric Laplace likelihood and the Cholesky-type decomposition of the scale matrix to introduce stochastic volatility and GARCH processes and then provide an efficient MCMC to estimate them. The proposed models outperform the homoskedastic benchmark mainly when predicting the distribution's tails. We provide a model combination using a quantile score-based weighting scheme, which leads to improved performances, notably when no single model uniformly outperforms the other across quantiles, time, or variables.