AGGREGATION OF THE RANDOM COEFFICIENT GLARCH(1,1) PROCESS
随机系数 GLARCH(1,1) 过程的同期聚合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：摘要直接讨论 ARCH 类过程、平方相关性与长记忆，支持时间序列及波动率分类。
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…
随机系数 GLARCH(1,1) 过程的同期聚合
- 研究问题
- 随机系数 GLARCH(1,1) 过程经同期聚合后能否产生长记忆，其平方过程的相关性与部分和具有怎样的极限性质？
- 方法与思路
- 作者分析系数 β 服从 Beta 分布的广义 LARCH(1,1) 过程，研究聚合极限、平方相关的衰减与部分和收敛。
- 材料陈述的贡献
- 摘要称，聚合极限具有长记忆，其平方过程的相关性缓慢衰减，且部分和收敛到一种新的自相似过程。
- 阅读关注点
- 应核对随机系数分布参数、聚合与部分和的归一化、长记忆成立条件，以及新自相似过程的定义和性质。
- 阅读边界
- 仅依据所给 Crossref 摘要；引用的模型方程、参数限制及极限过程构造未提供，不能推断具体记忆指数或其他版本变化。
原文摘要
The paper discusses contemporaneous aggregation of the Linear ARCH (LARCH) model as defined in (1), which was introduced in Robinson (1991) and studied in Giraitis, Robinson, and Surgailis (2000) and other works. We show that the limiting aggregate of the (G)eneralized LARCH(1,1) process in (3)–(4) with random Beta distributed coefficient β exhibits long memory. In particular, we prove that squares of the limiting aggregated process have slowly decaying correlations and their partial sums converge to a self-similar process of a new type.