Statistical inference for time-inhomogeneous volatility models
时变波动率模型的统计推断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：摘要直接研究金融时间序列的波动率估计与预测，并与 GARCH 比较。
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
时变波动率模型的统计推断
- 研究问题
- 当金融时间序列波动率没有给定参数形式、仅在部分区间近似恒定时，如何自适应选择这些区间并估计和预测波动率？
- 方法与思路
- 作者构造局部自适应波动率估计 LAVE，先筛选近似同质区间再局部平均，并开展理论分析、模拟和汇率数据比较。
- 材料陈述的贡献
- 摘要称在九种汇率数据上，LAVE 与标准 GARCH 均能解释多种特征，而该应用中的样本外结果似乎更支持 LAVE。
- 阅读关注点
- 应核对同质区间筛选规则、局部常数近似条件、预测目标，以及与 GARCH 比较时的样本划分和损失函数。
- 阅读边界
- 摘要未提供误差指标、显著性或理论条件，样本外优势仅是该摘要的应用陈述；索引摘要未注明稿件版本。
原文摘要
This paper offers a new approach for estimating and forecasting the volatility of financial time series. No assumption is made about the parametric form of the processes. On the contrary, we only suppose that the volatility can be approximated by a constant over some interval. In such a framework, the main problem consists of filtering this interval of time homogeneity; then the estimate of the volatility can be simply obtained by local averaging. We construct a locally adaptive volatility estimate (LAVE) which can perform this task and investigate it both from the theoretical point of view and through Monte Carlo simulations. Finally, the LAVE procedure is applied to a data set of nine exchange rates and a comparison with a standard GARCH model is also provided. Both models appear to be capable of explaining many of the features of the data; nevertheless, the new approach seems to be superior to the GARCH method as far as the out-of-sample results are concerned.