High Breakdown Point Conditional Dispersion Estimation with Application to S & P 500 Daily Returns Volatility
高崩溃点条件离散度估计：应用于标普500日收益波动率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：摘要明确估计标普500日收益的条件波动率，稳健估计的应用围绕波动动态展开。
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
高崩溃点条件离散度估计：应用于标普500日收益波动率
- 研究问题
- 在条件离散度或波动率模型中，少量暴跌、急涨等异常观测会怎样影响准极大似然估计，如何提高估计对这些观测的抵抗能力？
- 方法与思路
- 作者提出两阶段 Hampel 估计量和两阶段 S 估计量，研究其抗异常值性质，并将方法用于标普500现货指数日收益的条件波动率模型。
- 材料陈述的贡献
- 摘要称，少量异常值可严重影响准极大似然估计；所提方法对异常值更稳健，并呈现了典型日常交易活动中的不同波动动态。
- 阅读关注点
- 重点核对两阶段程序、崩溃点与其他稳健性指标的定义，以及异常值处理如何改变波动动态解释和与准极大似然估计的比较。
- 阅读边界
- 摘要未提供崩溃点数值、估计效率、样本期间及比较指标；对典型日常活动的波动描述，不能直接代表极端事件中的风险特征。
原文摘要
The authors show that quasimaximum likelihood (QML) estimators for conditional dispersion models can be severely affected by a small number of outliers such as market crashes and rallies, and they propose new estimation strategies (the two-stage Hampel estimators and two-stage S-estimators) resistant to the effects of outliers and study the properties of these estimators. They apply their methods to estimate models of the conditional volatility of the daily returns of the S&P 500 Cash Index series. In contrast to QML estimators, the authors' proposed method resists outliers, revealing an informative new picture of volatility dynamics during 'typical' daily market activity.