DYNAMIC ASSET CORRELATIONS BASED ON VINES
基于藤结构的动态资产相关性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：摘要研究资产收益条件相关矩阵及多元 GARCH 动态，直接对应金融波动率建模。
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…
基于藤结构的动态资产相关性
- 研究问题
- 如何灵活刻画资产收益的条件相关矩阵，使不同偏相关过程能够分别设定，并比较其与现有动态相关模型的表现？
- 方法与思路
- 作者以连接树组成的藤结构参数化部分偏相关，构造 vine-GARCH 模型，并使用准极大似然估计。
- 材料陈述的贡献
- 摘要称该参数化形成灵活的多元 GARCH 模型族，并通过模拟与实证评估其相对于 DCC 和 GAS 设定的表现。
- 阅读关注点
- 核对偏相关与有效相关矩阵之间的映射、藤结构选择及参数约束，并查看准似然估计条件与比较实验的设定。
- 阅读边界
- 所给 Crossref 摘要未报告具体比较结果、数据或估计理论条件，不能据此判断模型普遍优于 DCC 或 GAS。
原文摘要
We develop a new method for generating dynamics of conditional correlation matrices of asset returns. These correlation matrices are parameterized by a subset of their partial correlations, whose structure is described by a set of connected trees called “vine”. Partial correlation processes can be specified separately and arbitrarily, providing a new family of very flexible multivariate GARCH processes, called “vine-GARCH” processes. We estimate such models by quasi-maximum likelihood. We compare our models with DCC and GAS-type specifications through simulated experiments and we evaluate their empirical performances.