QML INFERENCE FOR VOLATILITY MODELS WITH COVARIATES
含协变量波动率模型的准极大似然推断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：摘要直接研究含协变量的非对称 GARCH、已实现波动率及收益平方预测。
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
含协变量波动率模型的准极大似然推断
- 研究问题
- 含外生协变量的非对称 GARCH 模型中，如何在真实参数可能位于边界且创新不独立时开展参数显著性检验？
- 方法与思路
- 作者推导高斯准极大似然估计量的渐近分布，允许真实参数位于参数空间边界，并据此检验协变量相关参数。
- 材料陈述的贡献
- 摘要称建立了不要求创新独立的推断结果；模拟和金融应用作出说明，实证显示已实现波动率可帮助预测收益平方。
- 阅读关注点
- 核对参数边界如何改变极限分布与检验临界值、创新依赖条件及信息集设定，并查看协变量显著性检验的构造。
- 阅读边界
- 所给 Crossref 摘要未说明完整条件、金融样本及预测改进幅度；收益平方预测结果不能直接解释为收益方向预测能力。
原文摘要
The asymptotic distribution of the Gaussian quasi-maximum likelihood estimator (QMLE) is obtained for a wide class of asymmetric GARCH models with exogenous covariates. The true value of the parameter is not restricted to belong to the interior of the parameter space, which allows us to derive tests for the significance of the parameters. In particular, the relevance of the exogenous variables can be assessed. The results are obtained without assuming that the innovations are independent, which allows conditioning on different information sets. Monte Carlo experiments and applications to financial series illustrate the asymptotic results. In particular, an empirical study demonstrates that the realized volatility can be a helpful covariate for predicting squared returns.