Maximum likelihood estimation of a GARCH‐stable model
GARCH 稳定分布模型的极大似然估计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：摘要直接估计外汇收益的 GARCH 条件尺度动态，并比较忽略异方差时的分布参数估计。
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…
关注这篇论文的作者
GARCH 稳定分布模型的极大似然估计
- 研究问题
- 研究稳定分布的尺度随 GARCH 过程变化时，忽略条件异方差是否会低估特征指数，以及联合模型能否拟合外汇收益。
- 方法与思路
- 作者对条件稳定分布的 GARCH 模型作极大似然估计，令正态 GARCH 为特例，并用日度外汇收益和模拟检验评估。
- 材料陈述的贡献
- 摘要称联合模型估计的特征指数高于独立性设定下的估计，但蒙特卡洛检验在五例中的四例拒绝该模型。
- 阅读关注点
- 应核对尺度动态与特征指数的区分、似然计算方式，以及模型检验针对何种偏离和如何构造有限样本分布。
- 阅读边界
- 仅据所给 Crossref 摘要，指数估计提高不能证明模型正确；摘要明确报告四例在百分之一显著性水平下被拒绝。
原文摘要
Abstract Maximum likelihood is used to estimate a generalized autoregressive conditional heteroskedastic (GARCH) process where the residuals have a conditional stable distribution (GARCH‐stable). The scale parameter is modelled such that a GARCH process with normally distributed residuals is a special case. The usual methods of estimating the parameters of the stable distribution assume constant scale and will underestimate the characteristic exponent when the scale parameter follows a GARCH process. The parameters of the GARCH‐stable model are estimated with daily foreign currency returns. Estimates of characteristic exponents are higher with the GARCH‐stable than when independence is assumed. Monte Carlo hypothesis testing procedures, however, reject our GARCH‐stable model at the 1% significance level in four out of five cases.