DETECTING CHANGES IN GARCH(1,1) PROCESSES WITHOUT ASSUMING STATIONARITY
不预设平稳性的 GARCH(1,1) 过程变化检测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 GARCH 条件波动率模型的参数变化，并以股票数据展示应用。
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
不预设平稳性的 GARCH(1,1) 过程变化检测
- 研究问题
- 在不预先要求 GARCH(1,1) 过程平稳的情况下，如何检验参数是否保持不变，并同时覆盖严格平稳与爆炸状态？
- 方法与思路
- 作者构造针对 GARCH 参数变化的检验，以平稳或爆炸状态下的恒定参数过程为原假设，推导统计量极限分布及一致性。
- 材料陈述的贡献
- 摘要称，检验无需施加平稳假设，模拟显示良好的尺寸控制和功效，并提供小规模股票示例及逾万只美国股票的应用。
- 阅读关注点
- 应核对平稳与爆炸状态下的参数空间、临界值计算和变化备择，以及大规模股票应用是否处理多重检验与跨股票依赖。
- 阅读边界
- 所给 Crossref 摘要未说明变化形式、检验条件或具体模拟数值；不要求平稳并不意味着允许任意非平稳波动过程。
原文摘要
This article develops a new test to detect changes in generalized autoregressive conditionally heteroscedastic (GARCH(1,1)) processes without imposing a stationary assumption. Specifically, the procedure tests the null hypothesis of a GARCH process with constant parameters, either in (strictly) stationary or explosive regimes, against the alternative hypothesis of parameter changes. We derive the limiting distribution of the test statistics and establish their asymptotic consistency. Monte Carlo simulations show that the proposed test has good size control and high power. We demonstrate a prototype application on a small group of stocks and report a further extensive application to more than ten thousand U.S. stocks.