A New Class of Multivariate Skew Densities, With Application to Generalized Autoregressive Conditional Heteroscedasticity Models
一类新的多元偏斜密度及其在GARCH模型中的应用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：摘要明确将偏斜分布用于多元GARCH股票收益模型与投资组合风险价值预测，对应波动率和尾部风险。
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
一类新的多元偏斜密度及其在GARCH模型中的应用
- 研究问题
- 如何在多元对称分布中引入各边际不同的不对称性，并在股票收益建模和投资组合风险价值预测中评估这种分布的用途？
- 方法与思路
- 作者提出为多元对称分布引入偏斜的方法，构造各边际具有独立不对称系数的偏斜Student密度，并将其与多元GARCH模型结合。
- 材料陈述的贡献
- 摘要称，新分布与多元GARCH结合后，比对应的对称分布更适于刻画股票收益，尤其适于预测投资组合的风险价值。
- 阅读关注点
- 核对偏斜变换的参数限制、各边际不对称系数的解释，以及GARCH模型设定、对照分布和投资组合风险价值的回测设计。
- 阅读边界
- 上述优势属于摘要中的作者陈述；摘要未说明样本、风险价值水平、回测标准或统计显著性，不能据此判断其广泛适用性。
原文摘要
We propose a practical and flexible method to introduce skewness in multivariate symmetric distributions. Applying this procedure to the multivariate Student density leads to a “multivariate skew-Student” density in which each marginal has a specific asymmetry coefficient. Combined with a multivariate generalized autoregressive conditional heteroscedasticity model, this new family of distributions is found to be more useful than its symmetric counterpart for modeling stock returns and especially for forecasting the value-at-risk of portfolios.