MétaCan
Menu
Retour à la cohorte
Enregistrement W2951542203 · doi:10.22606/jaam.2019.43002

Geometric Brownian Motion Assumption and Generalized Hyperbolic Distribution on Modeling Returns

2019· article· en· W2951542203 sur OpenAlexaff
Ivivi J. Mwaniki

Notice bibliographique

RevueJournal of Advances in Applied Mathematics · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Risk and Volatility Modeling
Établissements canadiensRoyal Bank of Canada
Organismes subventionnairesnon disponible
Mots-clésMathematicsVariance-gamma distributionGeometric Brownian motionGoodness of fitEconometricsDistribution (mathematics)Brownian motionKernel (algebra)Normal distributionEmpirical distribution functionStatisticsApplied mathematicsMathematical analysisDiffusion processEconomicsAsymptotic distributionPure mathematics

Résumé

récupéré en direct d'OpenAlex

Generalized hyperbolic distribution and some of its subclasses like normal, hyperbolic and variance gamma distributions are used to fit daily log returns of eight listed companies in Nairobi Securities Exchange and Montral Exchange. EM-based maximum likelihood estimation procedure is used to estimate parameters of the model. Kernel densities and empirical distribution of data are compared. The goodness of fit statistics of proposed distributions are used to measure how well model fits the data. Empirical results show that Generalized hyperbolic Distribution seems to improve partially, the geometric Brownian assumption on modeling returns of the underlying process, both in a developed and emerging market. Both markets seem to have different stochastic time.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,258
Score d'incertitude au seuil0,529

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,000
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 Opus0,025
Tête enseignante GPT0,238
Écart entre enseignants0,214 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advances in Applied MathematicsMême sujetFinancial Risk and Volatility ModelingTravaux en français237 207