Semiparametric Estimator of Time Series Conditional Variance
时间序列条件方差的半参数估计量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：题名明确研究时间序列条件方差，摘要未交代金融应用对象，因此仅依据直接文本证据归入时间序列方向。
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
时间序列条件方差的半参数估计量
- 研究问题
- 当条件方差的参数模型可能误设时，如何结合参数与非参数估计，兼顾正确设定时的收敛速度与误设时的一致性？
- 方法与思路
- 作者以乘法方式组合参数和非参数条件方差估计量，并在一般条件下推导组合估计量的渐近偏差、方差及渐近正态性。
- 材料陈述的贡献
- 摘要称，正确设定时可达到参数估计的收敛率，误设时仍可一致，且相对所比较的非参数方法减少偏差；模拟及实证用于支持这些主张。
- 阅读关注点
- 核对乘法组合的具体形式、带宽与参数估计的相互影响、误设下一致性的条件，以及偏差和收敛率比较采用的基准。
- 阅读边界
- 摘要未说明一般条件的具体内容、模拟设定与实证数据；其优越性表述只涉及文中比较，不能据此判断普遍的效率优势。
原文摘要
We propose a new combined semiparametric estimator, which incorporates the parametric and nonparametric estimators of the conditional variance in a multiplicative way. We derive the asymptotic bias, variance, and normality of the combined estimator under general conditions. We show that under correct parametric specification, our estimator can do as well as the parametric estimator in terms of convergence rates; whereas under parametric misspecification our estimator can still be consistent. It also improves over the nonparametric estimator of Ziegelmann (2002) in terms of bias reduction. The superiority of our estimator is verfied by Monte Carlo simulations and empirical data analysis.