- GARCH 跳跃模型:把跳跃成分从连续波动里剥离开来
标准 GARCH(1,1) 把收益方差当成一条连续的、同质的过程, 可真实市场的波动是『连续扩散 + 偶发跳跃』两层叠起来的。跳跃一发生, 方差里就多出 p·σ_j² 一项, 普通 GARCH 会把这部分错算进连续波动, 在跳跃日把条件波动高估 21.1%。本文用 ARMA(1,1)-GARCH(1,1)+高斯跳跃(jump-GARCH)把两层拆开: 过滤得到『连续波动』、用 ±2.5σ 残差阈值检测跳跃(召回 40.3%、精确 65.8%)、并量化跳跃方差占日度总方差的 20.7%。3000 日合成样本实证, 附完整 Python 与六类真实陷阱(中阶)。
12 min Chinese - Beneish M-Score 财务操纵识别:用 8 个比率给财报打假分
财报是法律文本不是真相——当利润表和现金流量表背离时,往往有人在修饰数字。Beneish(1999) 用 8 个相邻两年的财务比率写一个概率式打假分 M,M>−1.78 即高操纵嫌疑。附完整 Python 与六类真实陷阱(高阶)。
11 min Chinese
返回