ESTIMATING WEAK GARCH REPRESENTATIONS
弱 GARCH 表示的估计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 波动表示及平方误差的 ARMA 结构，对应波动率和时间序列方法。
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
弱 GARCH 表示的估计
- 研究问题
- 平方残差存在序列相关时，是否足以支持标准 GARCH 的条件矩设定？如果前两阶条件矩错设，如何估计更弱的波动表示？
- 方法与思路
- 作者以平方误差的 ARMA 结构定义弱 GARCH 表示，使用两阶段最小二乘估计参数，分析一致性、渐近正态性并讨论预测问题。
- 材料陈述的贡献
- 摘要称标准准极大似然可能因条件矩错设而不一致；弱 GARCH 表示无需正确指定前两阶条件矩，其两阶段估计具有相应渐近性质。
- 阅读关注点
- 应核对弱 GARCH 的定义、两阶段最小二乘的工具变量及矩条件，并区分平方误差线性预测与条件方差预测的目标和含义。
- 阅读边界
- 仅据所给 Crossref 摘要，不能判断估计所需的依赖与矩条件或预测效果；弱化条件矩设定并不意味着无需假设，也未提供版本比较。
原文摘要
The classical definitions of GARCH-type processes rely on strong assumptions on the first two conditional moments. The common practice in empirical studies, however, has been to test for GARCH by detecting serial correlations in the squared regression errors. This can be problematic because such autocorrelation structures are compatible with severe misspecifications of the standard GARCH. Numerous examples are provided in the paper. In consequence, standard (quasi-) maximum likelihood procedures can be inconsistent if the conditional first two moments are misspecified. To alleviate these problems of possible misspecification, we consider weak GARCH representations characterized by an ARMA structure for the squared error terms. The weak GARCH representation eliminates the need for correct specification of the first two conditional moments. The parameters of the representation are estimated via two-stage least squares. The estimator is shown to be consistent and asymptotically normal. Forecasting issues are also addressed.