Local GMM estimation of time series models with conditional moment restrictions
条件矩限制时间序列模型的局部GMM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：摘要直接分析条件矩时间序列模型，并将方法用于债券和期权定价。
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
条件矩限制时间序列模型的局部GMM估计
- 研究问题
- 对于由条件矩限制定义、可能存在未知条件异方差的时间序列模型，局部GMM能否实现有效估计并减轻自相关下的偏差？
- 方法与思路
- 作者研究马尔可夫过程的局部GMM性质，开展高阶渐近展开并与OLS偏差比较，再用短期利率扩散模型进行债券和期权定价。
- 材料陈述的贡献
- 摘要称，估计量具有一致性、渐近正态性及半参数效率，并在正自相关过程下表现出某些偏差缩减性质。
- 阅读关注点
- 应核对局部估计的平滑规则、马尔可夫与异方差条件、高阶偏差展开，以及偏差缩减如何传递到债券和期权定价。
- 阅读边界
- 仅据所给出版社摘要，偏差缩减的模型范围和定价效果未量化；正自相关下的结论也不能推广到所有时间序列过程。
原文摘要
This paper investigates statistical properties of the local generalized method of moments (LGMM) estimator for some time series models defined by conditional moment restrictions. First, we consider Markov processes with possible conditional heteroskedasticity of unknown forms and establish the consistency, asymptotic normality, and semi-parametric efficiency of the LGMM estimator. Second, we undertake a higher-order asymptotic expansion and demonstrate that the LGMM estimator possesses some appealing bias reduction properties for positively autocorrelated processes. Our analysis of the asymptotic expansion of the LGMM estimator reveals an interesting contrast with the OLS estimator that helps to shed light on the nature of the bias correction performed by the LGMM estimator. The practical importance of these findings is evaluated in terms of a bond and option pricing exercise based on a diffusion model for spot interest rate.