SPLINE ESTIMATION OF A SEMIPARAMETRIC GARCH MODEL
半参数 GARCH 模型的样条估计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：摘要直接研究半参数 GARCH，并以金融时间序列中的条件波动率建模为应用。
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
半参数 GARCH 模型的样条估计
- 研究问题
- 对于兼具未知非参数连接函数和无限历史依赖的半参数 GARCH 模型，能否以更便于计算的方法估计其未知量？
- 方法与思路
- 作者提出三次样条估计程序，分析其理论性质，并通过模拟和真实金融时间序列与已有核估计方法比较数值及计算表现。
- 材料陈述的贡献
- 摘要称，样条法与核法具有相同理论性质，模拟和实证中的数值表现更好或相当，且计算效率明显更高，适合大型金融序列。
- 阅读关注点
- 应核对样条节点与调参、无限历史的实际处理方式，以及两种方法在相同调参和计算环境下的误差与运行成本比较。
- 阅读边界
- 本导读仅据所给 Crossref 摘要；理论性质的具体内容、计算时间及误差数值摘要未说明，无法确认其计算和精度优势的普遍范围。
原文摘要
The semiparametric GARCH (Generalized AutoRegressive Conditional Heteroskedasticity) model of Yang (2006, Journal of Econometrics 130, 365–384) has combined the flexibility of a nonparametric link function with the dependence on infinitely many past observations of the classic GARCH model. We propose a cubic spline procedure to estimate the unknown quantities in the semiparametric GARCH model that is intuitively appealing due to its simplicity. The theoretical properties of the procedure are the same as the kernel procedure, while simulated and real data examples show that the numerical performance is either better than or comparable to the kernel method. The new method is computationally much more efficient than the kernel method and very useful for analyzing large financial time series data.