The continuous-time limit of score-driven volatility models
得分驱动波动率模型的连续时间极限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：摘要直接研究离散时间波动率动态、GARCH更新及其连续时间扩散极限。
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…
得分驱动波动率模型的连续时间极限
- 研究问题
- 当观测间隔趋于零时，得分驱动的离散时间波动率模型何时收敛为随机微分方程，其扩散极限由哪些模型要素决定？
- 方法与思路
- 作者给出分布收敛的一般条件，分析链接函数、得分条件二阶矩和归一化的作用，并模拟研究扩散过程的近似估计与滤波。
- 材料陈述的贡献
- 摘要称厚尾得分模型可产生有限的波动率波动，而相应厚尾GARCH更新存在爆炸情形；另扩展至时变均值与条件协方差。
- 阅读关注点
- 应核对时间尺度与参数缩放、厚尾分布和得分矩条件，以及与GARCH比较时的模型设定和扩散近似误差。
- 阅读边界
- 仅据所给出版社摘要，无法判断一般条件的具体范围或厚尾比较的适用边界；模拟误差和估计、滤波表现未给出数值。
原文摘要
We provide general conditions under which a class of discrete-time volatility models driven by the score of the conditional density converges in distribution to a stochastic differential equation as the interval between observations goes to zero. We show that the form of the diffusion limit depends on: (i) the link function, (ii) the conditional second moment of the score, (iii) the normalization of the score. Interestingly, the properties of the stochastic differential equation are strictly entangled with those of the discrete-time counterpart. Score-driven models with fat-tailed densities lead to continuous-time processes with finite volatility of volatility, as opposed to fat-tailed models with a GARCH update, for which the volatility of volatility is explosive. We examine in simulations the implications of such results on approximate estimation and filtering of diffusion processes. An extension to models with a time-varying conditional mean and to conditional covariance models is also developed.