A New Pearson-Type QMLE for Conditionally Heteroscedastic Models
条件异方差模型的新型皮尔逊准极大似然估计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：摘要围绕 GARCH 及条件异方差估计展开，并以股票指数和汇率作应用，直接对应金融波动率建模。
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
条件异方差模型的新型皮尔逊准极大似然估计
- 研究问题
- 在 GARCH 等条件异方差模型中，当创新同时具有厚尾与偏态时，如何构造兼顾这两种特征、并具备大样本理论依据的准极大似然估计？
- 方法与思路
- 作者为 GARCH(p,q) 提出皮尔逊型 QMLE，以刻画厚尾和偏态创新；在严格平稳及较弱矩条件下分析其性质，并通过模拟和金融序列应用评估表现。
- 材料陈述的贡献
- 摘要称该估计量具有强一致性与渐近正态性，且可用于其他条件异方差模型；股票指数和汇率应用用于说明同时刻画厚尾与偏态的意义。
- 阅读关注点
- 核对皮尔逊准似然的具体形式、创新分布及矩条件、平稳性要求和方差估计，再查看模拟比较设计及四个股指、两种汇率应用的证据。
- 阅读边界
- 摘要未给出“弱矩条件”的具体阶数、模拟数值和样本细节，也未明确普遍效率优势；能否优于其他 QMLE 需结合完整条件与比较结果判断。
原文摘要
This article proposes a novel Pearson-type quasi-maximum likelihood estimator (QMLE) of GARCH(p, q) models. Unlike the existing Gaussian QMLE, Laplacian QMLE, generalized non-Gaussian QMLE, or LAD estimator, our Pearsonian QMLE (PQMLE) captures not just the heavy-tailed but also the skewed innovations. Under strict stationarity and some weak moment conditions, the strong consistency and asymptotic normality of the PQMLE are obtained. With no further efforts, the PQMLE can be applied to other conditionally heteroscedastic models. A simulation study is carried out to assess the performance of the PQMLE. Two applications to four major stock indexes and two exchange rates further highlight the importance of our new method. Heavy-tailed and skewed innovations are often observed together in practice, and the PQMLE now gives us a systematic way to capture these two coexisting features.