Volatility Forecasting and Return Prediction under Market Regimes: Evidence from High-Frequency Chinese Equity Data¶
书目记录。出版内容请通过原始来源链接查看。
| 字段 | 内容 |
|---|---|
| 主领域 | 波动率、曲面动态与方差风险 |
| 其他领域 | — |
| 方法 | 金融机器学习, 研究方法与稳健性 |
| 检索标签 | — |
| 作者 | Xinyue Fang, Robert Ślepaczuk |
| 发布时间 | 2026-06-08 |
| 来源 | arXiv Quantitative Finance History |
| 外部标识 | arxiv:2606.09478 |
| URL | 打开原始来源 |
编辑综合¶
为什么值得关注¶
这项 preprint 把状态识别、波动率预测、收益预测和交易实现放在同一流程中，且明确显示统计预测改善并不自动转化为扣费后的策略价值。 (abstract:S5, abstract:S6, abstract:S7)
作者主要主张¶
- 作者在 2005–2023 年 CSI 300 高频数据上报告，regime-aware 波动率模型相对基准 HARQ 在预测指标上更好。 (
abstract:S2,abstract:S5) - 作者发现收益可预测性较弱且集中于低波动状态，并称 volatility scaling、门控、阈值与换手控制可改善防御性经济表现。 (
abstract:S6,abstract:S7,abstract:S8)
数据、方法或讨论范围¶
摘要描述两阶段 HARQ / Markov-switching GJR-GARCH 与 XGBoost 框架，以及严格 walk-forward 样本外程序；没有给出数值表、成本函数或门控参数。 (abstract:S2, abstract:S3, abstract:S4)
主要限制¶
证据来自单一中国股票指数，收益信号弱且依赖状态；所谓经济改善对状态定义、阈值、换手与成本设定可能敏感。 (abstract:S2, abstract:S6, abstract:S7)
研究关系¶
- 暂无已记录关系。