Conditional Quantile Estimation and Inference for Arch Models
ARCH 模型的条件分位数估计与推断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：摘要直接研究 ARCH 条件异方差模型及其条件分位数估计，与波动率建模最相关，未提供其他金融应用方向的依据。
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 模型的条件分位数估计与推断
- 研究问题
- 在一类半参数 ARCH 模型中，如何利用条件分位数刻画动态分布，并开展具有稳健性考虑的估计、推断和预测区间构造？
- 方法与思路
- 作者建议对一类 ARCH 模型使用分位数回归，利用条件分位数的可解释性开展半参数估计，并简要讨论相关推断和预测区间。
- 材料陈述的贡献
- 摘要称，条件分位数比总体矩更容易稳健估计，因此相对于基于高斯似然的方法具有若干优势，并提供了相关推断的讨论。
- 阅读关注点
- 应核对适用的 ARCH 模型类别、分位数与模型参数的对应关系，以及稳健性所需条件、推断方法和预测区间的覆盖性质。
- 阅读边界
- 仅据所给 Crossref 版本摘要，无法判断稳健性优势的具体范围；摘要未说明识别条件、渐近理论、预测区间算法及数值表现。
原文摘要
Quantile regression methods are suggested for a class of ARCH models. Because conditional quantiles are readily interpretable in semiparametric ARCH models and are inherendy easier to estimate robustly than population moments, they offer some advantages over more familiar methods based on Gaussian likelihoods. Related inference methods, including the construction of prediction intervals, are also briefly discussed.