On a multivariate conditional heteroscedastic model
一种多元条件异方差模型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：摘要明确研究条件异方差自回归移动平均模型，并应用于标准普尔与悉尼股指的波动率。
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
一种多元条件异方差模型
- 研究问题
- 如何建立多元条件异方差自回归移动平均模型，分析其理论性质，并通过最大似然估计研究多个股指的波动？
- 方法与思路
- 作者扩展条件异方差自回归移动平均模型，讨论最大似然估计，利用星积表示信息矩阵，并开展模拟和股指应用。
- 材料陈述的贡献
- 摘要称，文章建立多元模型并给出信息矩阵表示，以支持估计和推断，同时包含两个股指波动率的应用。
- 阅读关注点
- 应核对模型递推形式、理论性质成立的参数条件、星积与信息矩阵的定义，以及模拟和股指应用的比较依据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；平稳性等具体条件、模拟数值及应用结果未说明，不能判断其相对其他模型的优势。
原文摘要
Tsay (1987) developed the conditional heteroscedastic autoregressive moving-average model, which includes the conditional heteroscedastic autoregressive and random coefficient autoregressive models as special cases. This paper establishes the multivariate conditional heteroscedastic autoregressive moving-average model, and considers its theoretical properties and applications. Maximum likelihood estimation of the model is discussed in detail. A representation of the information matrix is obtained using the star product. This enhances estimation and statistical inferences procedures. Some simulation results and an application to the volatility of the Standard & Poor's 500 and Sydney's All Ordinaries indices are also considered.