Semiparametric ARCH Models
半参数 ARCH 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：摘要采用 ARMA 与 ARCH 刻画条件矩，并应用于日度股票收益和汇率，直接对应金融波动率建模与时间序列方法。
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…
半参数 ARCH 模型
- 研究问题
- 在保留条件均值与条件方差的参数结构时，能否通过非参数逼近条件密度提高 ARCH 模型的估计效率，并用于金融序列？
- 方法与思路
- 用 ARMA 与 ARCH 分别刻画条件一阶、二阶矩，以非参数密度估计逼近条件密度，并比较准极大似然与正确设定下极大似然的效率。
- 材料陈述的贡献
- 作者提出半参数 ARCH 模型；摘要称模拟中的估计量取得了相当部分潜在效率增益，并应用于日度股票收益和英镑兑美元汇率。
- 阅读关注点
- 重点核对条件密度的非参数估计方式、所需正则条件及效率基准，并查明蒙特卡洛和两项金融应用的设计与评价指标。
- 阅读边界
- 摘要未说明渐近理论、密度估计的调参方法或效率增益数值；所述模拟表现针对选定情形，无法据此认定对所有情形均更有效率。
原文摘要
A semiparametric ARCH model is introduced with conditional first and second moments given by ARMA and ARCH formulations, and a conditional density that is approximated by a nonparametric density estimator. For several densities, the relative efficiency of the quasi-maximum likelihood estimator is compared with maximum likelihood under correct specification. These potential efficiency gains for a fully adaptive procedure are compared in a Monte Carlo experiment with the observed gains from using the semiparametric procedure, and it is found that the estimator captures a substantial proportion of the potential. The estimator is applied to daily stock returns and to the British pound/dollar exchange rate.