FIRST-ORDER ASYMPTOTIC THEORY FOR PARAMETRIC MISSPECIFICATION TESTS OF GARCH MODELS
GARCH 模型参数设定误检验的一阶渐近理论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：摘要直接研究 GARCH 条件异方差模型的设定误检验，并讨论波动过程的非对称性与非线性，属于波动率计量。
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
GARCH 模型参数设定误检验的一阶渐近理论
- 研究问题
- 在构造 GARCH 参数设定误检验时，正确设定的条件均值函数所带来的参数估计误差是否仍影响极限分布和检验有效性？
- 方法与思路
- 作者以一阶渐近理论建立检验分析框架，考察条件均值估计效应，提出非对称性和非线性替代检验，并开展 Monte Carlo 比较。
- 材料陈述的贡献
- 摘要称，均值估计效应可能渐近不可忽略，使所列既有检验无效；新检验的功效改善属猜想，模拟则提供了支持性证据。
- 阅读关注点
- 应核对均值估计影响进入统计量的路径、既有检验失效的适用条件，以及替代检验的尺寸校准和模拟功效比较设计。
- 阅读边界
- 仅据所给 Crossref 版本摘要，失效条件和模拟数值未说明；新检验的普遍功效改善未被摘要表述为已证明的理论结论。
原文摘要
This paper develops a framework for the construction and analysis of parametric misspecification tests for generalized autoregressive conditional heteroskedastic (GARCH) models, based on first-order asymptotic theory. The principal finding is that estimation effects from the correct specification of the conditional mean (regression) function can be asymptotically nonnegligible. This implies that certain procedures, such as the asymmetry tests of Engle and Ng (1993, Journal of Finance 48, 1749–1777) and the nonlinearity test of Lundbergh and Teräsvirta (2002, Journal of Econometrics 110, 417–435), are asymptotically invalid. A second contribution is the proposed use of alternative tests for asymmetry and/or nonlinearity that, it is conjectured, should enjoy improved power properties. A Monte Carlo study supports the principal theoretical findings and also suggests that the new tests have fairly good size and very good power properties when compared with the Engle and Ng (1993) and Lundbergh and Teräsvirta (2002) procedures.