Identification and forecasting of bull and bear markets using multivariate returns
利用多元收益识别和预测牛熊市场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：摘要以多项资产收益识别和预测牛熊状态，并明确评价收益密度预测表现，因此最直接对应金融收益预测方向。
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
利用多元收益识别和预测牛熊市场
- 研究问题
- 相较只分析宽基指数收益，如何利用多项资产收益共同识别和预测牛熊市场，并容纳状态间不同的横截面特征？
- 方法与思路
- 作者构建层次马尔可夫转换模型，以共同离散状态驱动所有资产，允许牛熊状态下资产均值与方差的横截面结构不同。
- 材料陈述的贡献
- 摘要称，部分设定可对一百项资产进行可行估计，多元框架在状态识别、组合表现及密度预测上相对若干基准表现有利。
- 阅读关注点
- 应核对共同状态假设、层次结构与参数约束、状态识别标准，以及密度预测和组合比较的样本外设计与基准选择。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；样本、数值结果及比较条件未说明，不能把所报告的表现推广到其他资产或市场时期。
原文摘要
Summary Bull and bear market identification generally focuses on a broad index of returns through a univariate analysis. This paper proposes a new approach to identify and forecast bull and bear markets through multivariate returns. The model assumes that all assets are directed by a common discrete state variable from a hierarchical Markov switching model. The hierarchical specification allows the cross‐section of state‐specific means and variances to differ over bull and bear markets. We investigate several empirically realistic specifications that permit feasible estimation even with 100 assets. Our results show that the multivariate framework provides competitive bull and bear regime identification and improves portfolio performance and density prediction compared with several benchmark models including univariate Markov switching models.