.png){kind=icon}
返回
Expected idiosyncratic volatility
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jfineco.2025.104023.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们使用近8000万条日收益率数据，针对超过19,000家CRSP上市公司的数据，来建立最优的现实特异方差预测模型。通过比较多个模型的预测结果，我们发现流行的鞅模型表现最差。在利用均方根误差（RMSE）评估模型表现时，ARMA(1,1)模型在约46%的样本外测试公司中表现最佳。ARMA(1,1)模型产生的平均RMSE在统计上显著低于所有替代模型，并且在并非表现最佳时也能表现良好。其预测能够反转对现实方差产生的大规模、意外冲击。当使用该模型重新审视特异风险与收益率之间的关系（即IVOL谜题）时，我们未能发现显著关系。IVOL谜题与一组非常小的观测数据集密切相关，在这些数据集中，鞅模型的预测高估了未来的现实方差。这些极端观测值与IVOL谜题相关的知名公司特征相关联，例如由高买卖价差衡量的流动性差以及MAX效应。
Keyword:
Idiosyncratic volatility
IVOL puzzle
Volatility forecasting
Max returns
Martingale
ARMA
ARIMA
HAR
MIDAS
Quarticity
Realized variances
EGARCH
期刊
IF:
12
论文数:
3.8K
被引数:
5.5W
机构
引用论文
Have individual stocks become more volatile? An empirical exploration of idiosyncratic risk.png)
JOURNAL OF FINANCE
OAAI
JOURNAL OF FINANCEIF9.5
OAAI分享收藏
分享收藏
查看更多内容