在沒有其他更高頻時間序列的情況下，如何計算標準普爾每日回報時間序列的每日偏度？

眾所周知，返回時間序列的特徵是：肥尾或負偏度和峰度。對於類似的變異數計算問題，我們可以通過 garch 模型和其他導數計算變異數。換句話說，我們是否像通過 garch 模型和其他導數預測變異數一樣預測偏態？現有的偏度模型是否存在？根據現代金融理論（投資者喜歡高回報、高偏度或正偏度，不喜歡變異數、峰度），我們可以推斷 $ \frac{ \partial {\text{variance}}}{\partial{\text{skewness}}}<0 $ 和 $ \frac{ \partial {\text{variance}}}{\partial{\text{kurtosis}}}>0 $ .和峰度？兩個看似有用的連結：

1. http://www.portfolioprobe.com/2012/01/16/a-slice-of-sp-500-skewness-history/
2. http://blog.datapunks.com/2011/10/market-skewness/

任何意見表示讚賞

偏度和峰度都可以通過類似於 garch 及其衍生物的模型來預測。更多詳細資訊：這裡是一篇新發表的論文

引用自：https://quant.stackexchange.com/questions/11413