AN ALMOST CLOSED FORM ESTIMATOR FOR THE EGARCH MODEL
EGARCH 模型的近闭式估计量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 EGARCH 离散时间波动率模型及其参数估计为核心，并涉及波动率非对称效应，直接归入金融波动率方向。
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
EGARCH 模型的近闭式估计量
- 研究问题
- 当 EGARCH 最大似然估计对初值和数值优化较敏感，且分布理论尚不完整时，能否构造计算简便的替代参数估计量？
- 方法与思路
- 作者提出具有简单闭式表达的替代估计：动态参数不依赖创新分布，其他参数则假定创新服从广义误差分布并剖面化其参数。
- 材料陈述的贡献
- 摘要称，该估计可作为最大似然估计的初值，文章讨论其性质，并通过模拟和实证例子展示表现，提供另一种估计途径。
- 阅读关注点
- 应核对闭式计算涉及的参数范围、动态参数不依赖分布的条件，以及广义误差分布参数的剖面化步骤和估计性质。
- 阅读边界
- 仅据所给 Crossref 版本摘要，不能判断替代估计的完整渐近理论或稳健性；动态参数的分布独立性不能推广到全部参数。
原文摘要
The exponential GARCH (EGARCH) model introduced by Nelson (1991) is a popular model for discrete time volatility since it allows for asymmetric effects and naturally ensures positivity even when including exogenous variables. Estimation and inference are usually done via maximum likelihood. Although some progress has been made recently, a complete distribution theory of MLE for EGARCH models is still missing. Furthermore, the estimation procedure itself may be highly sensitive to starting values, the choice of numerical optimization algorithm, etc. We present an alternative estimator that is available in a simple closed form and which could be used, for example, as starting values for MLE. The estimator of the dynamic parameter is independent of the innovation distribution. For the other parameters we assume that the innovation distribution belongs to the class of Generalized Error Distributions (GED), profiling out its parameter in the estimation procedure. We discuss the properties of the proposed estimator and illustrate its performance in a simulation study and an empirical example.