Estimation and Forecasting of Dynamic Conditional Covariance: A Semiparametric Multivariate Model
动态条件协方差的估计与预测：半参数多变量模型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：摘要明确研究动态条件协方差，并以风险价值损失评价估计表现，直接对应波动率建模与金融风险度量。
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
动态条件协方差的估计与预测：半参数多变量模型
- 研究问题
- 在多变量条件协方差的估计与预测中，如何以非参数修正弥补参数模型的设定偏差，并检验参数模型是否设定正确？
- 方法与思路
- 作者提出两阶段半参数条件协方差估计，将初阶段参数估计与次阶段非参数修正相乘，并构造参数模型设定的非参数检验。
- 材料陈述的贡献
- 摘要称，作者证明估计量的渐近正态性并研究检验的渐近性质，以模拟和真实数据比较均方误差及风险价值损失。
- 阅读关注点
- 阅读全文时应核对乘法修正如何保持协方差矩阵的有效性、渐近理论所需条件、检验实施方式及风险价值比较的评价设计。
- 阅读边界
- 摘要未报告各方法的具体误差、风险价值损失或显著性结果，也未交代样本与调参方式，不能据此认定半参数方法更优。
原文摘要
We propose a semiparametric conditional covariance (SCC) estimator that combines the first-stage parametric conditional covariance (PCC) estimator with the second-stage nonparametric correction estimator in a multiplicative way. We prove the asymptotic normality of our SCC estimator, propose a nonparametric test for the correct specification of PCC models, and study its asymptotic properties. We evaluate the finite sample performance of our test and SCC estimator and compare the latter with that of the PCC estimator, purely nonparametric estimator, and Hafner, Dijk, and Franses’s (2006) estimator in terms of mean squared error and Value-at-Risk losses via simulations and real data analyses.