STRONG CONSISTENCY OF ESTIMATORS FOR MULTIVARIATE ARCH MODELS
多元 ARCH 模型估计量的强一致性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：摘要明确研究多元 ARCH、GARCH 及条件异方差模型的估计理论。
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
多元 ARCH 模型估计量的强一致性
- 研究问题
- 多元异方差模型的准最大似然估计在何种条件下强一致，能否减弱误差矩条件，并避免分析似然函数的各阶导数？
- 方法与思路
- 作者先为一般多元异方差模型给出强一致性条件，再针对常相关多元 GARCH 模型，描述满足这些条件的参数集合。
- 材料陈述的贡献
- 摘要称，相较其讨论的已有研究，所需误差矩条件较弱，且无需研究似然导数，并具体刻画常相关模型的适用参数范围。
- 阅读关注点
- 应核对误差矩条件究竟弱到何种程度、平稳性与参数识别要求，以及常相关多元 GARCH 参数集合的具体限制。
- 阅读边界
- 仅据所给 Crossref 摘要，不能确定允许的矩阶数与参数边界；强一致性结果也不足以推断渐近正态性或有限样本精度。
原文摘要
This paper deals with the asymptotic properties of quasi-maximum likelihood estimators for multivariate heteroskedastic models. For a general model, we give conditions under which strong consistency can be obtained; unlike in the current literature, the assumptions on the existence of moments of the error term are weak, and no study of the various derivatives of the likelihood is required. Then, for a particular model, the multivariate GARCH model with constant correlation, we describe the set of parameters where these conditions hold.