|
关注：1
2013-05-23 12:21
求翻译：Second, using the SRTR may produce an overestimate or underestimate of VaR(h) because of the changes in tails. In cases of overestimates of the student-t distribution and jumps, the heavy-tailed nature is smoothed out by aggregating daily returns. However, volatility clustering may lead to the SRTR resulting in a sligh是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
Second, using the SRTR may produce an overestimate or underestimate of VaR(h) because of the changes in tails. In cases of overestimates of the student-t distribution and jumps, the heavy-tailed nature is smoothed out by aggregating daily returns. However, volatility clustering may lead to the SRTR resulting in a sligh
问题补充： |
|
2013-05-23 12:21:38
正在翻译，请等待...
|
|
2013-05-23 12:23:18
其次，使用SRTR可以导致VaR估计过高或低估数据由于在尾巴上的变化(h)。在学生t发行和跃迁的估计过高案件，聚集日报回归使平滑重被盯梢的自然。然而，挥发性成群也许导致SRTR造成一个轻微的向下偏差由于忽略定期变化的自然。
|
|
2013-05-23 12:24:58
其次，使用SRTR可以导致估计过高或低估VaR( h) 由于在尾巴上的变化。 在学生t发行和跃迁的估计过高案件，聚集日报回归使光滑重被盯梢的自然。 然而，挥发性成群也许导致SRTR造成轻微的向下偏心由于忽略时间变化的自然。 当真正的数据陈列连续依赖性、挥发性成群，重被盯梢的发行或者跳跃时，要总结，这项研究仔细地使用SRTR估计时间被聚集的VaR。
|
|
2013-05-23 12:26:38
第二，使用 SRTR 可能会产生高估或低估的 VaR(h) 由于尾巴的变动。在超收学生 t 分布和跳跃的保费的情况下，重尾自然是由聚合每日返回平滑处理。然而，聚类的波动性可能会导致由于忽视时变性质轻微下调偏见所造成的 SRTR。概括而言，这项研究仔细使用 SRTR 估计时间聚合的 VaR，真实的数据陈列串行依赖性、 波动性聚类、 重尾的分布或跳转的时候。
|
|
2013-05-23 12:28:18
第二,使用入门可能会生成一个高估或低估的VAR[h],因为变化的轨迹。 案例中的高估了学生的t分布和跳转,这一沉重的双尾性质是平滑的聚合每日返回。 但是,波动可能会导致群集的SRTR导致轻微向下偏移由于忽略了时间的性质不同。 概括的说,这要仔细研究使用入门的时间作出估计的聚合var,当真正出现串行数据依赖性、波动性群集,一个重型的尾分布,或跳转。
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
