Modelling volatility by variance decomposition
基于方差分解的波动率建模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：摘要研究股票收益波动率，并明确建模条件及无条件方差的平滑结构变化。
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
基于方差分解的波动率建模
- 研究问题
- 如何通过条件与无条件方差的分解描述平滑结构变化，并解释绝对收益自相关中的类长记忆现象？
- 方法与思路
- 作者提出基于加法和乘法方差分解的两种GJR-GARCH替代设定，重点讨论乘法模型及其估计。
- 材料陈述的贡献
- 摘要称，日股票收益应用表明，无条件方差的确定性变化也可解释绝对收益自相关中的类长记忆表现。
- 阅读关注点
- 应核对方差分解的识别、平滑转变函数的设定、乘法模型估计，以及结构变化与长记忆的区分证据。
- 阅读边界
- 仅据所给出版社摘要，无法判断替代解释的普遍性；某个应用能由方差变化解释，不足以排除其他长记忆机制。
原文摘要
In this paper, we propose two parametric alternatives to the standard GJR-GARCH model of Glosten et al. (1993), based on additive and multiplicative decompositions of the variance. They allow the variance of the model to have a smooth time-varying structure. The suggested parameterizations describe structural change in the conditional and unconditional variances where the transition between regimes over time is smooth. The main focus is on the multiplicative decomposition of the variance into an unconditional and conditional components. Estimation of the multiplicative model is discussed in detail. An empirical application to daily stock returns illustrates the functioning of the model. The results show that the ‘long memory type behaviour’ of the sample autocorrelation functions of the absolute returns can also be explained by deterministic changes in the unconditional variance.