MétaCan
Menu
Retour à la cohorte
Enregistrement W3088172361 · doi:10.1108/jdqs-02-2002-b0004

Long memory in the volatility of Korean stock returns

2002· article· en· W3088172361 sur OpenAlexaff
Ji Hyeon Lee, Dong Seog Kim, Hoe Gyeong Lee

Notice bibliographique

RevueJournal of Derivatives and Quantitative Studies 선물연구 · 2002
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Risk and Volatility Modeling
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésLong memoryVolatility (finance)EconometricsAutoregressive conditional heteroskedasticityStock (firearms)EconomicsRobustness (evolution)Financial economicsEngineering

Résumé

récupéré en direct d'OpenAlex

In this paper, we empirically examine the volatility process of Korean stock market returns using the KOSPI200. To investigate the property of the process, we use the FIGARCH (Fractionally Integrated GARCH) model that includes GARCH and 1GARCH processes as special cases. Since the FIGARCH model allows fractional integration order, it can detect hyperbolically decaying volatility processes with cannot be explained by existing models with integer integration order. The result shows that the KOSPI200 exhibits long-term dependencies. To investigate the robustness of the obtained result, we analyze the time and cross-sectional aggregation effect using weekly data and individual stock returns that the KOSPI200 is comprised of. The long memory property of the KOSPI200 does not seem to be spuriously induced by aggregation.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,202
Score d'incertitude au seuil0,392

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,160
Tête enseignante GPT0,317
Écart entre enseignants0,157 · 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'étudeObservationnel
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
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Derivatives and Quantitative Studies 선물연구Même sujetFinancial Risk and Volatility ModelingTravaux en français237 207