- · 中国管理科学版面费是多[06/29]
- · 《中国管理科学》投稿方[06/29]
来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。 一、投稿方式： 1、 请从 我刊官网 直接投稿 。 2、 请 从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。 二、稿件著作权： 1、 投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、 投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、 投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、 投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、 投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、 第5条所述之网络是指通过我刊官网。 7、 投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。
多元GARCH-It?模型及其在高维波动率矩阵预测中的
作者:网站采编关键词:
摘要：研究背景与问题 研究背景：随着金融市场对波动率预测需求的日益增长，高维波动率矩阵预测成为金融研究的重要领域。然而，传统的波动率预测模型往往无法有效捕捉高频和低频数据
研究背景与问题
研究背景：随着金融市场对波动率预测需求的日益增长，高维波动率矩阵预测成为金融研究的重要领域。然而，传统的波动率预测模型往往无法有效捕捉高频和低频数据中的波动率动态特征，尤其是在处理高维资产时面临挑战。 研究问题：如何构建一个能够同时结合高频和低频数据，有效刻画高维资产波动率矩阵动态特征的预测模型？
研究方法
本文提出了一种新的多元GARCH-It?模型，该模型将多元GARCH结构嵌入到连续伊藤扩散过程的瞬时波动率中。通过这种结构，模型能够更好地捕捉波动率矩阵的动态变化，并适用于处理高维资产数据。在参数估计方面，采用拟极大似然方法对模型参数进行估计，并分析了统计量的相关渐近性质。
核心结果
核心结果包括： 1. 多元GARCH-It?模型能够有效结合高频和低频数据，提高波动率预测的准确性。 2. 该模型能够较好地刻画高维资产波动率矩阵的动态特征，尤其在涉及高维资产时表现突出。 3. 拟极大似然方法能够有效估计模型参数，保证了估计结果的可靠性和有效性。
结论与意义
结论：本文提出的多元GARCH-It?模型为高维波动率矩阵预测提供了一种新的思路和方法。该模型在处理高频和低频数据以及高维资产波动率预测方面具有显著优势，为金融市场提供了更准确、更全面的波动率预测工具。 意义： 1. 理论意义：丰富了波动率预测模型的理论体系，为后续研究提供了新的研究思路。 2. 实践意义：为金融市场参与者提供了有效的波动率预测工具，有助于提高投资决策的科学性和准确性。 3. 应用前景：该模型可广泛应用于金融市场、风险管理、投资组合优化等领域，具有较高的应用价值。
文章来源：《中国管理科学》 网址: http://www.sxwxzz.cn/qikandaodu/2026/0707/328.html