Bayesian Analysis of Dynamic Bivariate Mixture Models: Can They Explain the Behavior of Returns and Trading Volume?
动态双变量混合模型的贝叶斯分析：能否解释收益与交易量的行为？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：摘要以收益波动与交易量的关系、平方收益持续性及其样本外区间为核心，直接对应波动率，日频数据不足以归入高频计量。
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
动态双变量混合模型的贝叶斯分析：能否解释收益与交易量的行为？
- 研究问题
- 单一信息到达潜变量的动态双变量混合模型，能否解释收益波动与交易量的正相关及各自的持续性，并给出合适的平方收益样本外区间？
- 方法与思路
- 作者允许代表信息到达次数的潜变量具有自相关，使用 MCMC 进行贝叶斯分析，并以日经225股指期货日频数据评估两类混合模型。
- 材料陈述的贡献
- 摘要称，Tauchen–Pitts 模型无法解释平方收益的持续性，Andersen 模型无法解释交易量持续性，前者的样本外平方收益区间过窄。
- 阅读关注点
- 应核对潜变量动态设定、两类条件分布的差异、MCMC 收敛与先验敏感性，以及持续性和样本外贝叶斯区间的评价方法。
- 阅读边界
- 摘要未说明先验、样本期、收敛诊断与区间评估标准；两类模型的不足仅在所述日频期货数据上报告，不能推广到所有市场。
原文摘要
Bivariate mixture models attribute the well-known positive correlation between return volatility and trading volume in financial markets to stochastic changes in a single latent variable representing the number of information arrivals. In this article, dynamic bivariate mixture models that allow for autocorrelation in the latent variable are analyzed by a Bayesian method via Markov-chain Monte Carlo techniques. The results, based on daily data from the Nikkei 225 stock-index futures, reveal that the Tauchen and Pitts model, in which returns and volume follow a bivariate normal distribution conditional on the latent variable, cannot account for the persistence in squared returns. whereas the Andersen model, in which the conditional distribution of volume is Poisson, cannot account for the persistence in volume. It is also found that the Tauchen and Pitts model yields too narrow Bayesian confidence intervals of the out-of-sample squared returns.