.png){kind=icon}
返回
Long memory tempered stochastic range model
.png){kind=icon}
PRE
AI
DOI：10.1080/03610918.2025.2588633.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文介绍了一种新颖的长记忆温和随机范围（LMTSR）模型，用于增强资产价格波动持续性建模。LMTSR模型将自回归温和分数整化移动平均过程整合到长记忆随机范围框架的潜在变量中。其关键特点是能够在捕捉长记忆的同时，当长记忆参数超过0.5时确保平稳性，从而提供更大的灵活性。由于潜在过程的估计不存在封闭式解，模型参数通过Whittle近似采用准最大似然方法进行估计。广泛的模拟研究显示，估计参数与真实值高度一致。为展示模型的应用性，基于原油和标普500数据进行了实证分析。将所提出的模型拟合到基于范围的Parkinson波动率度量中，并通过评估其样本内模型拟合和样本外预测表现与竞争模型进行对比。样本内结果显示，LMTSR模型在似然值和Akaike信息准则方面优于竞争模型。对于样本外一步预测，采用基于模拟的序贯蒙特卡罗方法来追踪潜在变量随时间的演变。样本外损失函数进一步表明，LMTSR模型提供了更优的预测精度。
Keyword:
ARTFIMA
Long memory
Parkinson volatility
Tempered volitility
期刊
C
IF:
0.8
论文数:
213
被引数:
4.7K
机构
引用论文
How does Germany's green energy policy affect electricity market volatility? An application of conditional autoregressive range models德国的绿色能源政策如何影响电力市场波动？条件自回归区间模型的应用.png)
ENERGY POLICY
ENERGY POLICYIF9.2
PREAI
分享收藏Modelling and forecasting stock volatility and return: a new approach based on quantile Rogers–Satchell volatility measure with asymmetric bilinear CARR model股票波动率和收益的建模与预测：一种基于分位数Rogers–Satchell波动率度量与不对称双线性CARR模型的新方法
PREAI
分享收藏
查看更多内容