A Stochastic Volatility Model With Markov Switching
具有马尔可夫状态切换的随机波动模型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：摘要以标普500周收益构建状态切换随机波动模型，并解释不同波动状态的持续性，直接对应金融波动率。
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
具有马尔可夫状态切换的随机波动模型
- 研究问题
- 股票收益的时变波动是否具有不同状态，波动持续性由哪些状态驱动？文章以标普500周收益考察状态切换，并关注崩盘和衰退时期。
- 方法与思路
- 作者将常规随机波动模型扩展为含状态切换的模型，由一阶马尔可夫过程控制不可观测状态变量，并通过 Gibbs 抽样构造贝叶斯估计。
- 材料陈述的贡献
- 摘要称，模型识别出高、中、低波动状态，持续性与低、中状态的持续有关；高波动状态捕捉到1987年崩盘，并与四次美国衰退明显重叠。
- 阅读关注点
- 应核对马尔可夫状态与随机波动过程的具体关系、状态数和先验设定，以及抽样收敛、状态识别和持续性分解是否对模型选择敏感。
- 阅读边界
- 摘要未说明样本期限、模型识别条件及预测比较；高波动状态与衰退重叠是作者报告的对应关系，仅凭摘要无法判断因果联系。
原文摘要
This article presents a new way of modeling time-varying volatility. We generalize the usual stochastic volatility models to encompass regime-switching properties. The unobserved state variables are governed by a first-order Markov process. Bayesian estimators are constructed by Gibbs sampling. High-, medium- and low-volatility states are identified for the Standard and Poor's 500 weekly return data. Persistence in volatility is explained by the persistence in the low- and the medium-volatility states. The high-volatility regime is able to capture the 1987 crash and overlap considerably with four U.S. economic recession periods.