Asymptotics for the Generalized Autoregressive Conditional Duration Model
广义自回归条件持续期模型的渐近理论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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究自回归条件持续期模型及其动态过程的渐近性质，未明确金融交易应用。
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…
广义自回归条件持续期模型的渐近理论
- 研究问题
- 摘要研究固定观察期内持续期样本数随机时，ACD(1,1) 指数准极大似然估计的一致性和渐近正态性需要哪些条件。
- 方法与思路
- 作者重新分析从 GARCH 理论移用的渐近论证，指出随机持续期数量带来的缺口，并提出补充充分条件，特别强调有限均值。
- 材料陈述的贡献
- 摘要称严格平稳与遍历本身不足以保证所讨论估计性质，需考虑随机样本数，并要求持续期满足更强的有限均值限制。
- 阅读关注点
- 应核对固定观察期与固定样本数两种渐近框架、有限均值在证明中的作用，以及一致性和渐近正态性各自的完整条件。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未列全部补充条件，不能把有限均值单独视为充分条件。
原文摘要
Engle and Russell (1998, Econometrica, 66:1127--1162) apply results from the GARCH literature to prove consistency and asymptotic normality of the (exponential) QMLE for the generalized autoregressive conditional duration (ACD) model, the so-called ACD(1,1), under the assumption of strict stationarity and ergodicity. The GARCH results, however, do not account for the fact that the number of durations over a given observation period is random. Thus, in contrast with Engle and Russell (1998), we show that strict stationarity and ergodicity alone are not sufficient for consistency and asymptotic normality, and provide additional sufficient conditions to account for the random number of durations. In particular, we argue that the durations need to satisfy the stronger requirement that they have finite mean.