Incorporating overnight and intraday returns into multivariate GARCH volatility models
将隔夜与日内收益纳入多元 GARCH 波动率模型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：摘要明确使用五分钟高频收益及隔夜收益，构造多元 GARCH 并预测周度波动率。
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
将隔夜与日内收益纳入多元 GARCH 波动率模型
- 研究问题
- 如何同时利用五分钟日内收益与隔夜收益预测周度条件波动矩阵，并判断这些信息相对仅用低频收益是否有帮助？
- 方法与思路
- 作者构造混合频率多元 GARCH，以日内和隔夜成分的加权和表示周度波动矩阵，采用改造的 BEKK 结构并允许慢变长期成分。
- 材料陈述的贡献
- 摘要称在四只道指股票的样本内外评估中，所提模型系统性优于多种仅用周度、日度或开收盘收益的比较模型。
- 阅读关注点
- 应核对频率聚合与成分权重、长期矩阵的非参数估计，以及预测损失、基准模型和样本外比较的不确定性。
- 阅读边界
- 仅据所给出版社摘要，优势仅对应所述股票、时期和比较方案；摘要未给出改善幅度，不能推断跨市场的普遍优势。
原文摘要
We propose and evaluate mixed-frequency multivariate GARCH models for forecasting low-frequency (weekly) volatility based on high-frequency intraday returns (at 5-minute intervals) and on the overnight returns. The low-frequency conditional volatility matrix is modeled as a weighted sum of an intraday and an overnight component. The components are specified as multivariate GARCH processes of the BEKK type, adapted to the mixed-frequency data setting, and may enter the model as two separate components or as a single one. The models may further be extended by a nonparametrically estimated slowly-varying long-run volatility matrix. We evaluate the models in and out of sample using the 5-minute and overnight returns on four DJIA stocks (AXP, GE, HD, and IBM) from January 1988 to November 2014 and find that they systematically dominate a variety of models that only use lower-frequency data (weekly, daily, or close-to-open and open-to-close returns).