A Comment on: “Autoregressive Conditional Duration: A New Model for Irregularly Spaced Transaction Data”
评《自回归条件持续时间：不规则间隔交易数据的新模型》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：摘要直接研究不规则间隔交易持续时间及固定时段内随机交易数量的估计问题。
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…
评《自回归条件持续时间：不规则间隔交易数据的新模型》
- 研究问题
- 当交易持续时间平稳且遍历，但固定时间跨度内的交易数量随机时，ACD模型准极大似然估计的常规渐近结论是否成立？
- 方法与思路
- 作者以更新过程理论重新分析随机观测数量下的估计，加入持续时间有限期望要求，并构造违反常规渐近结论的反例。
- 材料陈述的贡献
- 摘要称有限期望是原有结论所需的加强要求；反例中的MLE收敛更慢且渐近混合正态，并给出随机样本量极值估计引理。
- 阅读关注点
- 应核对按交易序号与固定时间跨度取样的区别、有限期望条件的作用，以及反例的尾部设定和具体收敛速度。
- 阅读边界
- 仅据所给Crossref版本摘要，无法确定反例参数、完整修正条件及引理适用范围，也不能推断后续版本变化。
原文摘要
Based on the GARCH literature, Engle and Russell (1998) established consistency and asymptotic normality of the QMLE for the autoregressive conditional duration (ACD) model, assuming strict stationarity and ergodicity of the durations. Using novel arguments based on renewal process theory, we show that their results hold under the stronger requirement that durations have finite expectation. However, we demonstrate that this is not always the case under the assumption of stationary and ergodic durations. Specifically, we provide a counterexample where the MLE is asymptotically mixed normal and converges at a rate significantly slower than usual. The main difference between ACD and GARCH asymptotics is that the former must account for the number of durations in a given time span being random. As a by‐product, we present a new lemma which can be applied to analyze asymptotic properties of extremum estimators when the number of observations is random.