Normal mixture GARCH(1,1): applications to exchange rate modelling
正态混合 GARCH(1,1)：汇率建模应用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：摘要以汇率的 GARCH 条件方差、偏度和峰度动态为研究核心，直接对应金融波动率建模方向。
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
正态混合 GARCH(1,1)：汇率建模应用
- 研究问题
- 一般正态混合 GARCH 如何刻画条件偏度与峰度的时间变化，以及不同混合成分数量在汇率建模中表现如何？
- 方法与思路
- 作者分析一般正态混合 GARCH，推导矩表达式、矩存在条件及似然导数，并通过模拟和三种美元汇率历史数据比较模型。
- 材料陈述的贡献
- 摘要称，广义双成分模型在所考察的汇率应用中优于更多成分和若干 t-GARCH 模型，并提供矩条件及估计所需解析导数。
- 阅读关注点
- 应核对混合权重与各成分的动态设定、二阶和四阶矩条件，以及模型比较指标、参数限制和最大似然估计的实现。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体参数条件、比较数值及适用范围未说明，不能将所述优势推广到其他资产或推断版本变化。
原文摘要
Abstract Some recent specifications for GARCH error processes explicitly assume a conditional variance that is generated by a mixture of normal components, albeit with some parameter restrictions. This paper analyses the general normal mixture GARCH(1,1) model which can capture time variation in both conditional skewness and kurtosis. A main focus of the paper is to provide evidence that, for modelling exchange rates, generalized two‐component normal mixture GARCH(1,1) models perform better than those with three or more components, and better than symmetric and skewed Student's t ‐GARCH models. In addition to the extensive empirical results based on simulation and on historical data on three US dollar foreign exchange rates (British pound, euro and Japanese yen), we derive: expressions for the conditional and unconditional moments of all models; parameter conditions to ensure that the second and fourth conditional and unconditional moments are positive and finite; and analytic derivatives for the maximum likelihood estimation of the model parameters and standard errors of the estimates. Copyright © 2006 John Wiley & Sons, Ltd.