A Data-Analytic Look at Skewness and Elongation in Common-Stock-Return Distributions
普通股收益分布偏度与尾部延展性的数据分析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：摘要直接分析股票收益分布的偏度及相对高斯分布的尾部延展特征。
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
普通股收益分布偏度与尾部延展性的数据分析
- 研究问题
- 个股日收益分布的偏度与尾部延展程度如何因行业和公司规模而异，这些分布特征在时间上是否持续并具有一定可预测性？
- 方法与思路
- 作者使用 g 与 h 分布的参数估计刻画偏度和延展性，比较偏度估计的参数化与自助法标准误，并开展横截面及时间序列分析。
- 材料陈述的贡献
- 摘要称，个股偏度存在差异并呈现行业和规模趋势，收益分布通常比高斯分布更延展；两类分布特征具有持续性和较高月度自相关。
- 阅读关注点
- 应核对分布族与参数的定义、月度参数估计方式、标准误比较及样本构成，并区分分布特征的自相关证据与实际预测表现。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，未提供样本细节或样本外预测检验；分布特征的持续性不等同于收益可预测，也未直接给出风险度量。
原文摘要
This article explores the nature of skewness and elongation in daily common-stock-return distributions of individual firms using estimates of g (for skewness) and h (for elongation) obtained form Turkey's g and h distributions. Both parametric and nonparametric (bootstrap) estimates of standard errors of the g estimates are computed and compared. Daily return distributions are first examined cross-sectionally over a large sample of firms. The estimates of the skewness parameter exhibit variation across individual firms, but some general trends are evident across industry groups and firm sizes. Return distributions typically seem to be more elongated than the Gaussian distribution. From a time series perspective, both skewness and elongation are persistent in the return distributions of individual firms and vary over a finite range. First-order autocorrelation coefficients of monthly g and h estimates are large and suggest a certain degree of predictability.