MétaCan
Menu
Retour à la cohorte
Enregistrement W2267721028

Multiscale Stochastic Volatility Model with Heavy Tails and Leverage Effects

2014· article· en· W2267721028 sur OpenAlexaff
Tony S. Wirjanto, Zhongxian Men, Adam W. Kolkiewicz

Notice bibliographique

RevueSSRN Electronic Journal · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Risk and Volatility Modeling
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésMarkov chain Monte CarloStochastic volatilityEconometricsVolatility (finance)Monte Carlo methodParticle filterLeverage effectLeverage (statistics)Latent variableComputer scienceEconomicsMathematicsStatisticsAutoregressive conditional heteroskedasticityKalman filter
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper extends the multiscale stochastic volatility (MSSV) models to allow for heavy tails of the marginal distribution of the asset returns and correlation between the innovation of the mean equation and the innovations of the latent factor processes. Novel algorithms of Markov Chain Monte Carlo (MCMC) are developed to estimate parameters of these models. Results of simulation studies suggest that our proposed models and corresponding estimation methodology perform quite well. We also apply an auxiliary particle filter technique to construct one-step-ahead in-sample and out-of-sample volatility forecasts of the fitted models. In addition the models and MCMC methods are applied to data sets of asset returns from both foreign currency and equity markets.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,544
Score d'incertitude au seuil0,765

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,194
Écart entre enseignants0,184 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetFinancial Risk and Volatility ModelingTravaux en français237 207