Convolution-t Distributions
卷积 t 分布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：摘要明确将分布族用于已实现波动率分析及其潜在因子结构识别，支持这两个金融细分方向。
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
卷积 t 分布
- 研究问题
- 如何构造既具有厚尾，又能表达聚类结构、非线性依赖和异质边际的多元分布，并方便进行似然估计与推断？
- 方法与思路
- 作者将异质多元 t 分布进行卷积，构造新的分布族，并在已实现波动率度量的实证分析中考察其特征和因子结构。
- 材料陈述的贡献
- 摘要称新分布族兼具灵活依赖结构与简单密度函数，并称这些特征在波动率实证中有助于识别潜在因子结构。
- 阅读关注点
- 应核对卷积构造、参数可识别性、密度计算和似然优化方式，以及聚类结构与金融因子结构之间的具体对应。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未给出参数限制、实证数值或相对其他分布的性能证据。
原文摘要
We introduce a new class of multivariate heavy-tailed distributions that are convolutions of heterogeneous multivariate t-distributions. Unlike commonly used heavy-tailed distributions, the multivariate convolution-t distributions embody cluster structures with flexible nonlinear dependencies and heterogeneous marginal distributions. Importantly, convolution-t distributions have simple density functions that facilitate estimation and likelihood-based inference. The characteristic features of convolution-t distributions are found to be important in an empirical analysis of realized volatility measures and help identify their underlying factor structure.