A New Test for ARCH Effects and its Finite-Sample Performance
ARCH 效应的新检验及其有限样本表现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：摘要以 ARCH 条件异方差检验为核心，直接对应条件波动率模型的检验方法，支持归入波动率方向。
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
ARCH 效应的新检验及其有限样本表现
- 研究问题
- 如何利用回归残差平方的样本自相关检验 ARCH 效应，并在允许数据驱动选阶的同时获得合理的有限样本表现？
- 方法与思路
- 作者将回归残差平方序列的样本自相关系数平方加权求和，通常提高低阶滞后的权重，并允许数据驱动选择滞后阶数。
- 材料陈述的贡献
- 摘要称该检验无需指定备择，等权形式对应若干既有检验；模拟显示其有限样本表现合理，尤其在较重加权低阶滞后时。
- 阅读关注点
- 应核对权重与选阶规则、检验临界值及与既有检验等价的具体条件，并区分模拟中的经验尺寸与检验功效。
- 阅读边界
- 摘要未给出权重设置、模拟设计及两项实证的内容，也未量化尺寸或功效；不能据此判定该检验全面优于既有方法。
原文摘要
We propose a test for autoregressive conditional heteroscedasticity based on a weighted sum of the squared sample autocorrelations of squared residuals from a regression, typically with greater weight given to lower-order lags. The tests of Engle, Box and Pierce, and Ljung and Box are equivalent to the test with equal weighting. Our test does not require formulation of an alternative and permits choice of the lag number via data-driven methods. Simulation studies show that the new test performs reasonably well in finite samples especially with greater weight on lower-order lags. We apply the test in two empirical examples.