Parameter Stability and Semiparametric Inference in Time Varying Auto-Regressive Conditional Heteroscedasticity Models
时变 ARCH 模型中的参数稳定性与半参数推断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 ARCH 条件异方差时间序列及参数随时间变化，涉及波动率、结构变化与时间序列。
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
时变 ARCH 模型中的参数稳定性与半参数推断
- 研究问题
- 在允许参数随时间变化的 ARCH 过程中，如何区分恒定与时变参数，并对参数稳定性、二阶动态及滞后阶数进行推断？
- 方法与思路
- 作者估计半参数时变 ARCH 模型，采用核方法处理参数，构造两种检验和滞后阶数信息准则，并用真实数据展示方法。
- 材料陈述的贡献
- 摘要称恒定参数可达通常参数收敛速率，高斯噪声下可构造半参数渐近有效估计，并提供参数稳定性与二阶动态检验。
- 阅读关注点
- 阅读时应核对恒定与时变部分如何区分、核估计条件、高斯噪声对效率结论的作用，以及两类检验与阶数选择的适用范围。
- 阅读边界
- 仅据所给 Crossref 摘要；模型条件、带宽选择和实证结果未提供，不能将高斯噪声下的效率结论推广到任意噪声分布。
原文摘要
Summary We develop a complete methodology for detecting time varying or non-time-varying parameters in auto-regressive conditional heteroscedasticity (ARCH) processes. For this, we estimate and test various semiparametric versions of time varying ARCH models which include two well-known non-stationary ARCH-type models introduced in the econometrics literature. Using kernel estimation, we show that non-time-varying parameters can be estimated at the usual parametric rate of convergence and, for Gaussian noise, we construct estimates that are asymptotically efficient in a semiparametric sense. Then we introduce two statistical tests which can be used for detecting non-time-varying parameters or for testing the second-order dynamics. An information criterion for selecting the number of lags is also provided. We illustrate our methodology with several real data sets.