We study a consumption-based asset pricing model with incomplete informationand α-stable shocks.Incomplete information leads to a non-Gaussian filtering problem.Bayesian updating generates fluctuating confidence in the agents' estimate of thepersist

We study a consumption-based asset pricing model with incomplete informationand α-stable shocks.Incomplete information leads to a non-Gaussian filtering problem.Bayesian updating generates fluctuating confidence in the agents' estimate of thepersist
We study a consumption-based asset pricing model with incomplete information
and α-stable shocks.Incomplete information leads to a non-Gaussian filtering problem.
Bayesian updating generates fluctuating confidence in the agents' estimate of the
persistent component of the dividends’ growth rate.This has the potential to generate
time variation in the volatility of model-implied returns,without relying on discrete shifts
in the drift rate of dividend growth rates.A test of the model using US consumption data indicates the implied returns display significant volatility persistence of a magnitude comparable to that in the data.

We study a consumption-based asset pricing model with incomplete informationand α-stable shocks.Incomplete information leads to a non-Gaussian filtering problem.Bayesian updating generates fluctuating confidence in the agents' estimate of thepersist
我们用不完整的信息与α-stable冲击研究了一种以消费型资产定价模式.不完整的信息导致一种非高斯过滤问题.而贝叶斯定理的更新对代理商评估持久稳固的股息增长率产生了不稳定的信心.这对在模式收益率产生时变性具有相当的潜在力,而不需要依赖于离散的个股增长率的变化.应用美国消费数据一次模拟测试,在与巨大数据中的收益比较中,收益率显示了突增的持续性.

研究了一种消费型资产定价模型和不完整的信息
然后呢? -stable冲击。不完整的信息导致一种非高斯滤波问题。
贝叶斯更新的信心产生波动代理商的估计
持久性组件分红吗?增长率。这有可能产生的效益
时间的波动变化model-implied返回,不用依赖离散变化
漂移率的股息成长率。检验了模型的应用美国消费的数据却显示,显示明显暗示返回的巨大波动的持续性相媲美,...

全部展开

研究了一种消费型资产定价模型和不完整的信息
然后呢? -stable冲击。不完整的信息导致一种非高斯滤波问题。
贝叶斯更新的信心产生波动代理商的估计
持久性组件分红吗?增长率。这有可能产生的效益
时间的波动变化model-implied返回,不用依赖离散变化
漂移率的股息成长率。检验了模型的应用美国消费的数据却显示,显示明显暗示返回的巨大波动的持续性相媲美,在数据。

收起

我们用不完整的信息和α 稳定冲击波研究了一种消费型资产定价模式。
不完整的信息导致一种非高斯滤波问题。
贝叶斯更新在代理商估计持久性组件分红增长率产生波动（不稳定）信心。
这有可能在短暂的暗示型模型返还中产生时间变化,
而不需要在漂移不定的股息增长率中依赖离散变化。
应用美国消费数据测试模型表明,暗示性返回在数据上显示出与有效的波动永久性有着极大的可比性。...

全部展开

我们用不完整的信息和α 稳定冲击波研究了一种消费型资产定价模式。
不完整的信息导致一种非高斯滤波问题。
贝叶斯更新在代理商估计持久性组件分红增长率产生波动（不稳定）信心。
这有可能在短暂的暗示型模型返还中产生时间变化,
而不需要在漂移不定的股息增长率中依赖离散变化。
应用美国消费数据测试模型表明,暗示性返回在数据上显示出与有效的波动永久性有着极大的可比性。

收起

我们根据不完整的信息和阿尔法-稳健型冲击研究消费型资产的定价模式。然而不完整的信息导致了一个非高斯的滤波问题。
贝叶斯定理的更新导致代理商对持久性组件的股利成长率估值产生了信心的波动。
如果不依赖股息增长率的漂移离散变化，多变原型反馈模型很可能发生周期长短变化。
一项运用了美国消费数据对这个模型进行的测试中，暗示了相当于数据波动大小的巨大回落波动持续性等级。
【人工...

全部展开

我们根据不完整的信息和阿尔法-稳健型冲击研究消费型资产的定价模式。然而不完整的信息导致了一个非高斯的滤波问题。
贝叶斯定理的更新导致代理商对持久性组件的股利成长率估值产生了信心的波动。
如果不依赖股息增长率的漂移离散变化，多变原型反馈模型很可能发生周期长短变化。
一项运用了美国消费数据对这个模型进行的测试中，暗示了相当于数据波动大小的巨大回落波动持续性等级。
【人工翻译伤不起呀，求楼主采纳！部分专业名词翻得不到位，不过楼主应该能看懂。不懂的地方还可以追问！！】

收起

英文呢？。。。。。