加载中...
本文提出一种混合 HAR–ElasticNet 两步框架:先用 OLS 保留每个市场的高持久性自波动动力学,再对跨市场项使用 ElasticNet 做选择,从而在不损失点预测性能的前提下识别出稀疏的波动率溢出网络,结果显示仅 7/90 个跨市场系数为非零,商品(尤其原油)为主要接收方,而股指与国债在网络中较为孤立
| Asset | Hybrid HAR-ElasticNet RMSE | HAR RMSE |
|---|---|---|
| ZS (Soybeans) | 0.0062 | 0.0062 |
| CL (Crude Oil) | 0.0086 | 0.0086 |
| ES (S&P 500) | 0.0040 | 0.0040 |
| NQ (Nasdaq-100) | 0.0049 | 0.0049 |
| ZF (5Y Treasury) | 0.0011 | 0.0011 |
| ZN (10Y Treasury) | 0.0014 | 0.0014 |
| Average | 0.0044 | 0.0044 |
引言与元数据概览
逐节深度解读
图表与图形逐一深度解读(关键可视化)
估值/方法与参数敏感性分析(方法学解析)
风险因素评估与方法局限(基于报告内容的审慎评估)
批判性视角与内部一致性检视
结论性综合(要点回顾)
附:主要引用图像(原文图示)
若需我进一步按章节导出:a) 完整系数表的可复制数值版本并逐项注释;b) 对 ElasticNet λ/α 在不同资产上的敏感性实验并给出替代选择建议;或 c) 将该方法扩展到更大资产池(示例性代码框架与计算需求估计),我可以继续准备相应的详尽分析与可操作步骤说明。
2601.03146.pdf