基于Tsallis最大熵原理的加密货币马尔可夫机制转换GARCH模型构建与实证研究
《Mathematics》:A Maximum-Entropy Markov-Switching GARCH Framework: Information-Theoretic Bounds for Cryptocurrency Volatility Regime Detection
【字体:
大
中
小
】
时间:2026年09月22日
来源:Mathematics 2.3
编辑推荐:
# 摘要
马尔可夫机制转换GARCH(MS-GARCH)模型中的分布设定长期以来由经验惯例所驱动。本文从Tsallis最大熵原理出发,推导了机制条件Student-*t*创新分布,为重尾创新的选取提供了信息论基础。GARCH方差动态和马尔可夫机制转换结构是独立于最大熵推导的
# 摘要马尔可夫机制转换GARCH(MS-GARCH)模型中的分布设定长期以来由经验惯例所驱动。本文从Tsallis最大熵原理出发,推导了机制条件Student-*t*创新分布,为重尾创新的选取提供了信息论基础。GARCH方差动态和马尔可夫机制转换结构是独立于最大熵推导的标准建模选择。该框架被应用于2017年1月至2026年3月期间的五种主要加密货币,共包含15,824个日度观测值。研究得出三项主要发现。第一,在方差约束下进行Tsallis熵最大化可得*q*-高斯密度函数,当*q*→1时,该密度函数与Student-*t*分布一致,其自由度由经验超额峰度内生确定。第二,平静机制的半衰期约为*τ*天,平稳的动荡概率为*π*,证实了在所有资产中两种机制均具有经济活性;Francq–Zako?an平稳性检验确认了全局遍历性。第三,接近1的动荡GARCH持续性抑制了机制转换的点预测优势,这与Fano型预测不可逆界一致;HAR-RV在五种资产中的三种上取得了最低的QLIKE损失。风险价值(VaR)回测确认了五种资产中有四种在1%和5%水平上具有足够的尾部风险校准能力,且优于单一机制基准。对VolShock扩展的经验评估识别了资产类别边界条件,为未来的比例化设定提供了动机。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号