Modeling Stock Returns and Volatility Using Bivariate Gamma Generalized Laplace Law
利用二元 Gamma 广义 Laplace 分布建模股票收益与波动率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：摘要明确将二元分布模型用于股票指数收益及其对应波动率的联合建模。
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…
利用二元 Gamma 广义 Laplace 分布建模股票收益与波动率
- 研究问题
- 若正态均值—方差混合模型中的 Gamma 混合变量能够与收益共同观测，如何简化参数估计，并刻画某些参数配置下的非标准收敛速度？
- 方法与思路
- 作者将通常单变量的方差 Gamma 模型扩展为混合变量可观测的二元框架，使最大似然估计化为经典线性回归形式并推导显式估计量。
- 材料陈述的贡献
- 摘要称，二元框架显著简化估计，某些参数配置下收敛速度快于通常的根号样本量速度；多个主要股指的收益与波动率用于展示应用。
- 阅读关注点
- 应核对 Gamma 混合变量在应用中如何观测、回归形式与显式估计量的推导，以及非标准速率成立的参数配置和相应推断方法。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验。摘要未说明具体参数配置、速率或应用拟合结果，不能据此认定普遍优于其他模型。
原文摘要
We consider a generalization of the variance-gamma (generalized asymmetric Laplace) distribution, defined as a normal mean - variance mixture with a gamma mixing distribution. While this model is typically studied in the univariate setting, we assume that the gamma mixing variable is observed alongside the primary variable, resulting in a bivariate framework. In this setting, maximum likelihood estimation becomes significantly simpler than in the standard univariate case, reducing to a form of classical linear regression. We derive explicit expressions for the resulting estimators. For certain parameter configurations, the estimators exhibit nonstandard convergence rates, exceeding the usual square-root rate. Finally, we illustrate the applicability of this model in financial contexts by analyzing stock index returns and associated volatility for several major indices.