Markov Switching Garch Models: Higher Order Moments, Kurtosis Measures, and Volatility Evaluation in Recessions and Pandemic
马尔可夫转换 GARCH 模型：高阶矩、峰度与衰退及疫情期间的波动评估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：摘要围绕马尔可夫转换 GARCH 模型的高阶矩、峰度及股市高波动时期识别展开，直接对应金融波动率研究。
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
马尔可夫转换 GARCH 模型：高阶矩、峰度与衰退及疫情期间的波动评估
- 研究问题
- 单变量马尔可夫转换 GARCH 模型的高阶矩和峰度如何计算与推断，这些结果能否帮助识别危机与疫情期间股市的高波动阶段？
- 方法与思路
- 作者推导高阶矩和峰度的闭式矩阵公式，建立样本估计量的渐近理论，并以蒙特卡洛模拟核验，再用于辨识股市高波动时期。
- 材料陈述的贡献
- 摘要称提供高阶矩与峰度的闭式计算及相应推断理论，可用于正态性检验，并展示其识别金融危机和疫情高波动时期的用途。
- 阅读关注点
- 应核对高阶矩存在的条件、状态转换与 GARCH 参数的限制、渐近理论及正态性检验的实现，并查看高波动阶段的判定规则。
- 阅读边界
- 摘要未给出矩存在条件、样本市场与区间、检验校准或波动辨识准确性；不能据此判断模型预测表现或相对其他模型的优势。
原文摘要
In this article, we derive neat matrix formulas in closed form for computing higher order moments and kurtosis of univariate Markov switching GARCH models. Then we provide asymptotic theory for sample estimators of higher order moments and kurtosis which can be used for testing normality. We also check our theory statements numerically via Monte Carlo simulations. Finally, we take advantage of our theoretical results to recognize different periods of high volatility stressing the stock markets, such as financial crisis and pandemic.