MIXING AND MOMENT PROPERTIES OF VARIOUS GARCH AND STOCHASTIC VOLATILITY MODELS
多类 GARCH 与随机波动率模型的混合性和矩性质AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究 GARCH 和随机波动率模型，并分析其平稳性、矩与混合性质，对应波动率与时间序列理论。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
多类 GARCH 与随机波动率模型的混合性和矩性质
- 研究问题
- 多类 GARCH、随机波动率与条件持续期模型何时具有严格平稳性、高阶矩和快速衰减的依赖，以支持统计推断？
- 方法与思路
- 作者先建立广义随机系数自回归及隐马尔可夫模型的结果，再将其用于多类波动率和持续期模型，给出易核查的充分条件。
- 材料陈述的贡献
- 摘要称，结果涵盖严格平稳、高阶矩、几何遍历及指数衰减 β 混合性；部分模型的充分条件也是必要条件或与既有必要条件一致。
- 阅读关注点
- 应逐类核对模型参数和创新分布限制，并区分二阶矩、高阶矩与混合性条件，确认哪些模型具有必要性结论。
- 阅读边界
- 仅据所给 Crossref 摘要无法列出或核验具体条件；“部分模型”的必要性不能推广到全部模型，也未说明估计量的有限样本表现。
原文摘要
This paper first provides some useful results on a generalized random coefficient autoregressive model and a generalized hidden Markov model. These results simultaneously imply strict stationarity, existence of higher order moments, geometric ergodicity, and β-mixing with exponential decay rates, which are important properties for statistical inference. As applications, we then provide easy-to-verify sufficient conditions to ensure β-mixing and finite higher order moments for various linear and nonlinear GARCH(1,1), linear and power GARCH( p , q ), stochastic volatility, and autoregressive conditional duration models. For many of these models, our sufficient conditions for existence of second moments and exponential β-mixing are also necessary. For several GARCH(1,1) models, our sufficient conditions for existence of higher order moments again coincide with the necessary ones in He and Terasvirta (1999, Journal of Econometrics 92, 173–192).