Evaluating Models of Autoregressive Conditional Duration
自回归条件持续期模型的评价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：摘要研究 ACD 持续期模型并应用于纽约证交所 IBM 股票交易，直接对应金融高频持续期计量。
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
自回归条件持续期模型的评价
- 研究问题
- 如何系统检验自回归条件持续期模型的设定是否合适，识别条件均值遗漏、剩余动态、非线性以及参数不稳定？
- 方法与思路
- 作者提出统一评价框架，构造针对条件均值加法与乘法误设的 LM 及 LM 型检验，并引入平滑转换和时变 ACD 模型。
- 材料陈述的贡献
- 摘要称，框架涵盖高阶动态、标准化持续期剩余 ACD、线性与参数恒定检验，并通过模拟及纽约证交所 IBM 股票数据展示应用。
- 阅读关注点
- 核对各检验的原假设、备择与推导条件，模拟中的尺寸和功效表现，以及平滑转换、时变模型的性质和实证设定。
- 阅读边界
- 摘要未报告模拟中的检验尺寸、功效或实证比较数值，不能据此认定新模型普遍更优；具体适用条件需读全文核对。
原文摘要
This article contains two novelties. First, a unified framework for testing and evaluating the adequacy of an estimated autoregressive conditional duration (ACD) model is presented. Second, two new classes of ACD models, the smooth transition ACD model and the time-varying ACD model, are introduced and their properties discussed. New misspecification tests for the ACD class of models are introduced. These are Lagrange multiplier and Lagrange multiplier–type tests against general forms of additive and multiplicative misspecification of the conditional mean function. These forms include tests against higher-order models, tests of no remaining ACD in the standardized durations, and tests of linearity and parameter constancy. The finite-sample properties of the tests are investigated by simulation. Main statistical properties of the two new classes of ACD models that serve as alternatives in tests of linearity and parameter constancy are investigated. Finally, the tests are applied to ACD models of IBM stock traded at the New York Stock Exchange.