کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5102615 1480087 2017 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Bivariate sub-Gaussian model for stock index returns
ترجمه فارسی عنوان
مدل دو بعدی گاوسی برای بازده سهام شاخص
کلمات کلیدی
روش های غیر پارامتری، تابع مشخصه، توزیع دو گانه زیر گاوسی، فرآیند Î ± قابل انعطاف
ترجمه چکیده
سری زمانی مالی به طور معمول با روش های معمولی بودن داده ها مدل سازی می شود. با این وجود، توزیع واقعی می تواند غیرقابل کشش باشد، همچنین دارای یک تابع چگالی احتمالی صریحا فرموله نشده است. در این مقاله، ارزیابی پارامترهای جدید و روشهای تست توزیع قدرتمند که بر روی چگالی شکل بسته نیستند، ارائه می کنیم، اما از توابع مشخصه برای مقایسه استفاده می کنیم. رویکرد مورد استفاده برای یک جفت بازده سهام شاخص نشان می دهد که چنین یک بردار دوتایی می تواند یک نمونه از توزیع دوگانه غربی باشد. روش های ارائه شده در اینجا می توان به سایر داده های مالی توزیع نشده غیرمستقیم استفاده کرد.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
چکیده انگلیسی
Financial time series are commonly modeled with methods assuming data normality. However, the real distribution can be nontrivial, also not having an explicitly formulated probability density function. In this work we introduce novel parameter estimation and high-powered distribution testing methods which do not rely on closed form densities, but use the characteristic functions for comparison. The approach applied to a pair of stock index returns demonstrates that such a bivariate vector can be a sample coming from a bivariate sub-Gaussian distribution. The methods presented here can be applied to any nontrivially distributed financial data, among others.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 486, 15 November 2017, Pages 628-637
نویسندگان
, , ,