ARCH modeling in finance
金融中的 ARCH 建模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：摘要的核心是金融波动聚集、时变二阶矩和 ARCH 模型综述。
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…
金融中的 ARCH 建模
- 研究问题
- 如何利用 ARCH 模型刻画金融价格的波动聚集和随时间变化的二阶矩？既有模型发展与金融应用还留下哪些研究问题？
- 方法与思路
- 本文综述 ARCH 模型的形式发展及金融数据中的实证应用，并讨论资产定价、市场微观结构、信息传递和动态对冲等研究方向。
- 材料陈述的贡献
- 摘要明确定位为综述：梳理 ARCH 建模及其应用，并提出检验资产定价理论、研究衍生品定价等方向，未宣称单一新估计方法。
- 阅读关注点
- 应区分模型形式、实证应用与未来研究建议，核对各类 ARCH 模型对波动聚集的解释，以及定价和对冲应用所需的额外假设。
- 阅读边界
- 仅据所给作者／机构库版本摘要，无法评估具体模型的拟合或预测表现；提及高频价格不等于提出高频估计法，刊本差异未核对。
原文摘要
Although volatility clustering has a long history as a salient empirical regularity characterizing high-frequency speculative prices, it was not until recently that applied researchers in finance have recognized the importance of explicitly modeling time-varying second-order moments. Instrumental in most of these empirical studies has been the Autoregressive Conditional Heteroskedasticity (ARCH) model introduced by Engle (1982). This paper contains an overview of some of the developments in the formulation of ARCH models and a survey of the numerous empirical applications using financial data. Several suggestions for future research, including the implementation and tests of competing asset pricing theories, market microstructure models, information transmission mechanisms, dynamic hedging strategies, and the pricing of derivative assets, are also discussed.