Testing distributional assumptions: A GMM aproach
检验分布假设：一种GMM方法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：摘要明确在汇率T-GARCH日收益和日度已实现方差上检验分布假设，因此选择金融波动率作为其直接应用方向。
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
检验分布假设：一种GMM方法
- 研究问题
- 如何通过矩条件检验分布假设，并在参数估计误差和序列相关存在时构造稳健检验，评价其有限样本表现？
- 方法与思路
- 作者推导原假设下的一般矩条件及位置—尺度模型的稳健检验，研究Student与逆高斯分布，并开展模拟和金融应用。
- 材料陈述的贡献
- 摘要称，方法易于实施且具有一定检验功效，并提供考虑参数估计不确定性的矩检验，包括存在序列相关的情形。
- 阅读关注点
- 应核对矩条件的选择、参数估计误差校正、序列相关处理，以及位置—尺度模型中稳健性成立的具体条件。
- 阅读边界
- 仅依据所给Crossref摘要；渐近条件、模拟数值和两个应用的检验结论未说明，不能认定相应分布已获数据支持。
原文摘要
SUMMARY We consider testing distributional assumptions by using moment conditions. A general class of moment conditions satisfied under the null hypothesis is derived and connected to existing moment‐based tests. The approach is simple and easy to implement, yet reasonably powerful. In addition, we provide moment tests that are robust against parameter estimation error uncertainty in the general case which includes the case of serial correlation. In particular, we consider the location‐scale model for which we derive robust moment tests, regardless of the forms of the conditional mean and variance. We study in detail the Student and inverse Gaussian distributions. Simulation experiments are conducted to assess the finite sample properties of the tests. We provide two empirical examples on foreign exchange rates by testing the Student distributional assumption of T‐GARCH daily returns and on daily realized variance by testing the inverse Gaussian distributional assumption. Copyright © 2011 John Wiley & Sons, Ltd.