Zobrazeno 1 - 10
of 41
pro vyhledávání: '"Halbleib, Roxana"'
We provide a simple method to estimate the parameters of multivariate stochastic volatility models with latent factor structures. These models are very useful as they alleviate the standard curse of dimensionality, allowing the number of parameters t
Externí odkaz:
http://arxiv.org/abs/2302.07052
Autor:
Dimitriadis, Timo, Halbleib, Roxana, Polivka, Jeannine, Rennspies, Jasper, Streicher, Sina, Wolter, Axel Friedrich
This paper analyzes the benefits of sampling intraday returns in intrinsic time for the standard and pre-averaging realized variance (RV) estimators. We theoretically show in finite samples and asymptotically that the RV estimator is most efficient u
Externí odkaz:
http://arxiv.org/abs/2212.11833
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Calzolari, Giorgio, Halbleib, Roxana
Publikováno v:
In Journal of Econometrics July 2018 205(1):280-301
Autor:
Dimitriadis, Timo1 (AUTHOR), Halbleib, Roxana2 (AUTHOR)
Publikováno v:
Journal of Business & Economic Statistics. Jul2022, Vol. 40 Issue 3, p1346-1361. 16p.
Publikováno v:
In Computational Statistics and Data Analysis August 2014 76:158-171
Autor:
Halbleib, Roxana, Pohlmeier, Winfried
Publikováno v:
In Journal of Economic Dynamics and Control August 2012 36(8):1212-1228
Autor:
Halbleib, Roxana, Voev, Valeri
Publikováno v:
Jahrbücher für Nationalökonomie und Statistik / Journal of Economics and Statistics, 2011 Feb 01. 231(1), 134-152.
Externí odkaz:
https://www.jstor.org/stable/23813249
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Dimitriadis, Timo, Halbleib, Roxana
This paper proposes a simple approach to estimate quantiles of daily financial returns directly from high-frequency data. We denote the resulting estimator as realized quantile (RQ) and use it to forecast tail risk measures, such as Value at Risk (Va
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::217bdc57ed782961675322f1c8d5c6b1