GO‐GARCH: a multivariate generalized orthogonal GARCH model
GO-GARCH：多变量广义正交 GARCH 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：摘要直接提出多变量 GARCH 并对条件协方差矩阵进行建模，属于金融波动率方向。
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
GO-GARCH：多变量广义正交 GARCH 模型
- 研究问题
- 多变量 GARCH 如何在较大协方差矩阵中保留较灵活的参数化，同时维持估计可行性并缓解算法收敛困难？
- 方法与思路
- 作者提出推广 O-GARCH、嵌套于 BEKK 的 GO-GARCH，先利用无条件信息，再用条件信息估计剩余参数，并提供模拟与应用例子。
- 材料陈述的贡献
- 摘要称，新模型兼顾协方差参数化自由度与估计可行性；先使用无条件信息可使依赖条件信息估计的参数数量减少一半以上。
- 阅读关注点
- 阅读全文应核对矩阵分解和模型嵌套关系、无条件信息的估计方式，以及分步处理对识别、误差传递与收敛的影响。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断参数限制、收敛保证或实际精度；参数数量减少不直接证明估计更优，也不能推断版本变化。
原文摘要
Abstract Multivariate GARCH specifications are typically determined by means of practical considerations such as the ease of estimation, which often results in a serious loss of generality. A new type of multivariate GARCH model is proposed, in which potentially large covariance matrices can be parameterized with a fairly large degree of freedom while estimation of the parameters remains feasible. The model can be seen as a natural generalization of the O‐GARCH model, while it is nested in the more general BEKK model. In order to avoid convergence difficulties of estimation algorithms, we propose to exploit unconditional information first, so that the number of parameters that need to be estimated by means of conditional information is more than halved. Both artificial and empirical examples are included to illustrate the model. Copyright © 2002 John Wiley & Sons, Ltd.