WHITTLE ESTIMATION OF ARCH MODELS
ARCH 模型的 Whittle 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：摘要明确研究 ARCH 条件异方差模型的参数估计，最直接对应波动率方向。
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
ARCH 模型的 Whittle 估计
- 研究问题
- 对于一类参数化 ARCH 模型，以观测平方值构造的 Whittle 估计何时能够达到 √n 一致性与渐近正态性？
- 方法与思路
- 作者基于观测平方值进行 Whittle 估计，要求平方序列具有短记忆自相关，并与摘要提及的长记忆平方序列模型结果比较。
- 材料陈述的贡献
- 摘要称，在所研究模型类别及相应条件下，平方观测的 Whittle 估计具有 √n 一致性和渐近正态性，明确了短记忆情形的理论结果。
- 阅读关注点
- 阅读全文时应核对 ARCH 模型类别、平方序列短记忆和矩条件、Whittle 准则构造，以及与长记忆模型结果的条件差异。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，无法确定完整正则条件、渐近方差或有限样本表现；引用预印本的比较不表示本文采用预印本摘要。
原文摘要
For a class of parametric ARCH models, Whittle estimation based on squared observations is shown to be [square root of n]-consistent and asymptotically normal. Our conditions require the squares to have short memory autocorrelation, by comparison with the work of Zaffaroni (1999, “Gaussian Inference on Certain Long-Range Dependent Volatility Models,” Preprint), who established the same properties on the basis of an alternative class of models with martingale difference levels and long memory autocorrelated squares.