Prediction of linear fractional stable motions using codifference, with application to non-Gaussian rough volatility
用余差预测线性分数稳定运动：非高斯粗糙波动率应用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：摘要研究分数稳定过程的序列依赖与预测，并明确应用于金融波动率数据。
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…
用余差预测线性分数稳定运动：非高斯粗糙波动率应用
- 研究问题
- 当分数过程具有稳定分布增量、协方差可能不存在时，如何利用过去的离散观测预测未来增量，并刻画粗糙波动率的依赖结构？
- 方法与思路
- 作者以余差代替协方差描述序列依赖，稳定指数大于一时使用条件期望，否则采用半度量投影，并开展理论、模拟和波动率数据比较。
- 材料陈述的贡献
- 摘要称方法在波动率预测中表现有潜力，可区分增量峰度与序列依赖的作用；命中率分析还提示由少数大增量控制的选择性记忆机制。
- 阅读关注点
- 应核对余差和投影的定义、稳定指数及记忆参数的估计、精度结论的条件，以及与分数布朗运动和异质自回归模型比较的设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给预测误差数值，所称第四种依赖机制也需核对定义与证据范围。
原文摘要
The linear fractional stable motion (LFSM) extends the fractional Brownian motion (fBm) by considering $α$-stable increments. We propose a method to forecast future increments of the LFSM from past discrete-time observations, using the conditional expectation when $α>1$ or a semimetric projection otherwise. It relies on the codifference, which describes the serial dependence of the process, instead of the covariance. Indeed, covariance is commonly used for predicting an fBm but it is infinite when $α<2$. Some theoretical properties of the method and of its accuracy are studied and both a simulation study and an application to real volatility data, with a comparison to the fBm and to the heterogeneous auto-regressive model, confirm the relevance of the approach. The LFSM-based method shows a promising performance in the forecast of time series of volatilities, decomposing properly, in the fractal dynamic of rough volatilities, the contribution of the kurtosis of the increments and the contribution of their serial dependence. Moreover, the analysis of hit ratios suggests that, beside independence, persistence, and antipersistence, a fourth regime of serial dependence exists for fractional processes, characterized by a selective memory controlled by a few large increments.