Identification of Daily Oil Price Shocks and their Uncertainties via Conditional Heteroskedasticity
基于条件异方差识别日度油价冲击及其不确定性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：摘要以结构VAR识别油价冲击并涉及时变不确定性传导，属VAR与冲击分析；日度时间序列建模对应时间序列方向；条件异方差与GARCH识别对应波动率方向。
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
基于条件异方差识别日度油价冲击及其不确定性
- 研究问题
- 如何在日度频率上识别油价冲击，并刻画这些冲击所传导的时变不确定性？
- 方法与思路
- 作者提出日度结构VAR，利用结构GARCH设定中的波动率聚集与溢出效应进行识别，推导完整识别集，并给出协方差脉冲响应函数与允许按事件分解短期预测不确定性的时变预测误差方差分解。
- 材料陈述的贡献
- 摘要称该文推导了完整识别集，提出时变预测误差方差分解，研究两步拟极大似然估计量的渐近性质，并通过模拟展示估计量在多种数据生成分布下的稳健性。
- 阅读关注点
- 应核对识别所依赖的GARCH设定与溢出假设、完整识别集的构造条件、TV-FEVD的定义与分解口径，以及模拟设计与渐近结果的具体前提。
- 阅读边界
- 摘要未说明具体数据来源、样本区间、冲击的经济含义界定、估计量的收敛速度与推断方法，实证结论仅为作者陈述，未经独立验证。
原文摘要
This paper develops a daily structural VAR for identifying oil price shocks from conditional heteroskedasticity and quantifies the transmission of their timevarying uncertainty. Identification exploits volatility clustering and spillovers in a structural GARCH specification and the complete identified set is derived. We derive covariance impulse response functions and introduce a time-varying forecast error variance decomposition (TV-FEVD) that allows for a decomposition of short-horizon forecast uncertainty across episodes. We study the asymptotic properties of a two-step quasi-maximum likelihood estimator and demonstrate via extensive simulations the robustness of the estimator across a wide range of data-generating distributions. Empirically, the model identifies three daily shocks with distinct first- and second-order transmission. TV-FEVD shows that oil-price forecast uncertainty in early 2020 shifted from aggregate business-cycle uncertainty, as pandemic news affected expected economic conditions, to oil-market tightness risk during the Saudi–Russia price war and production cuts.