Exponential-Type GARCH Models With Linear-in-Variance Risk Premium
具有方差线性风险溢价的指数型 GARCH 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：摘要围绕 GARCH 方差建模及市场组合的方差线性风险溢价展开，直接对应金融波动率和资产定价这两个研究方向。
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…
具有方差线性风险溢价的指数型 GARCH 模型
- 研究问题
- 当市场组合风险溢价随方差线性变化时，指数型 GARCH 均值模型能否在较弱矩条件下建立估计理论，并刻画股票指数的动态风险溢价？
- 方法与思路
- 作者采用随机递推方程方法研究 EGARCH-M 的平稳性、遍历性与可逆性，并分析准极大似然估计；实证同时使用 EGARCH-M 和 Log-GARCH-M。
- 材料陈述的贡献
- 摘要称，作者给出唯一平稳遍历解及可逆性的条件，并在弱矩假设下证明准极大似然估计的一致性与渐近正态性，另估计多种股指的动态风险溢价。
- 阅读关注点
- 阅读全文时应核对弱矩假设的具体内容、可逆性条件如何保证估计有效，以及两类模型的理论覆盖范围和股指应用中的风险溢价设定。
- 阅读边界
- 摘要未列出具体矩条件、股指样本或估计结果；仅凭摘要无法判断假设在数据中的适用性，也不能确认指数型模型相对经典 GARCH-M 的经验优势。
原文摘要
One of the implications of the intertemporal capital asset pricing model is that the risk premium of the market portfolio is a linear function of its variance. Yet, estimation theory of classical GARCH-in-mean models with linear-in-variance risk premium requires strong assumptions and is incomplete. We show that exponential-type GARCH models such as EGARCH or Log-GARCH are more natural in dealing with linear-in-variance risk premia. For the popular and more difficult case of EGARCH-in-mean, we derive conditions for the existence of a unique stationary and ergodic solution and invertibility following a stochastic recurrence equation approach. We then show consistency and asymptotic normality of the quasi-maximum likelihood estimator under weak moment assumptions. An empirical application estimates the dynamic risk premia of a variety of stock indices using both EGARCH-M and Log-GARCH-M models. Supplementary materials for this article are available online.