Likelihood-Based Estimation of Latent Generalized ARCH Structures
潜在广义 ARCH 结构的似然估计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：摘要以潜在 GARCH 过程为研究对象，并使用英国行业股票收益开展应用，直接对应金融波动率建模与估计。
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…
潜在广义 ARCH 结构的似然估计
- 研究问题
- 当广义 ARCH 或 GARCH 结构作为潜在过程出现时，如何开展基于似然的估计，并以可计算的算法处理潜变量带来的困难？
- 方法与思路
- 作者提出马尔可夫链蒙特卡洛算法，通过模拟 EM 计算经典估计量或获得贝叶斯解，并在人工示例与英国行业股票收益中考察表现。
- 材料陈述的贡献
- 摘要称算法所需计算操作数随样本量线性增长，并以二十六个英国行业股票收益的应用及人工示例与既有近似解进行比较。
- 阅读关注点
- 阅读全文时应核对潜在波动结构、似然与模拟 EM 的构造、马尔可夫链收敛诊断，以及线性计算复杂度所对应的操作和精度要求。
- 阅读边界
- 摘要未给出潜在结构的具体方程、算法收敛条件和比较结果；线性操作数的适用条件仍需核对，不能据此认定估计精度或运行效率更优。
原文摘要
GARCH models are commonly used as latent processes in econometrics, financial economics, and macroeconomics. Yet no exact likelihood analysis of these models has been provided so far. In this paper we outline the issues and suggest a Markov chain Monte Carlo algorithm which allows the calculation of a classical estimator via the simulated EM algorithm or a Bayesian solution in O(T) computational operations, where T denotes the sample size. We assess the performance of our proposed algorithm in the context of both artificial examples and an empirical application to 26 UK sectorial stock returns, and compare it to existing approximate solutions. Copyright The Econometric Society 2004.