Multivariate GARCH and portfolio variance prediction: A forecast reconciliation perspective
多元 GARCH 与投资组合方差预测：预测协调视角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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究多元 GARCH、协方差和投资组合方差预测，最明确的领域依据是金融波动率建模与预测。
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…
多元 GARCH 与投资组合方差预测：预测协调视角
- 研究问题
- 在投资组合权重已知时，协调单变量与多变量风险预测能否改善组合方差预测，其效果如何受模型误设和协方差代理噪声影响？
- 方法与思路
- 作者以预测协调技术结合不同层次的组合风险预测，通过模拟比较真实协方差与带噪代理情形，再进行实际数据分析。
- 材料陈述的贡献
- 摘要称预测协调在模拟及实证中改善传统 GARCH 组合方差预测，并指出协方差代理噪声会影响改善幅度及模型优劣的可辨别性。
- 阅读关注点
- 应核对协调所用的约束与权重、风险评价基准、协方差代理的构造，以及权重已知和忽略溢出效应等设定的作用。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收均未核实。摘要未报告改善数值或统一保证，结论也未覆盖组合权重未知的情形。
原文摘要
We assess the advantage of combining univariate and multivariate portfolio risk forecasts with the aid of forecast reconciliation techniques. In our analyzes, we assume knowledge of portfolio weights, a standard for portfolio risk management applications. With an extensive simulation experiment, we show that, if the true covariance is known, forecast reconciliation improves over a standard multivariate approach, in particular when the adopted multivariate model is misspecified. However, if noisy proxies are used, correctly specified models and the misspecified ones (for instance, neglecting spillovers) turn out to be, in several cases, indistinguishable, with forecast reconciliation still providing improvements. The noise in the covariance proxy plays a crucial role in determining the improvement of both the forecast reconciliation and the correct model specification. An empirical analysis shows how forecast reconciliation can be adopted with real data to improve traditional GARCH-based portfolio variance forecasts.