Periodic Autoregressive Conditional Heteroscedasticity
周期性自回归条件异方差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：摘要明确研究高频资产收益的季节性波动，并使用日内汇率展示周期性条件异方差模型，直接对应波动率与高频计量。
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
周期性自回归条件异方差
- 研究问题
- 针对摘要所述的高频资产收益季节性波动，如何刻画二阶矩的重复变化，并评估周期模型与时不变模型对应关系中的信息损失？
- 方法与思路
- 作者提出周期性 ARCH 与 P-GARCH 模型，用蒙特卡洛模拟量化其与时不变季节性弱 GARCH 过程对应关系中的信息损失，并给出汇率应用。
- 材料陈述的贡献
- 摘要称，新模型专门捕捉二阶矩的周期变化；德国马克兑英镑日度汇率与德国马克兑美元日内汇率的实例展示了实际应用意义。
- 阅读关注点
- 阅读全文时应核对周期参数的设定、P-GARCH 与弱 GARCH 的对应关系、模拟中信息损失的定义，以及汇率应用的比较基准。
- 阅读边界
- 摘要未说明模型约束、模拟设计或实证数值，无法据此判断估计稳定性与普遍适用性；实例展示实际意义也不等于预测表现已获验证。
原文摘要
Most high frequency asset returns exhibit seasonal volatility patterns. This paper proposes a new class of periodic ARCH, or P-ARCH, models explicitly designed to capture the repetitive variation in the second order moments. The importance of the informational loss associated with the implicit relation between P-GARCH structures and the corresponding time-invariant seasonal weak GARCH processes are quantified through the use of Monte Carlo simulation methods. Two empirical examples with daily bilateral deutschemark-British pound and intraday deutschemark-U.S. dollar spot exchange rates highlight the practical relevance of the new P-GARCH class of models.