Conditional Heteroscedasticity in Qualitative Response Models of Time Series: A Gibbs-Sampling Approach to the Bank Prime Rate
定性响应时间序列的条件异方差：银行最优惠贷款利率的吉布斯抽样分析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：摘要明确结合利率时间序列、条件异方差和动态有序 probit，分别支持时间序列、金融波动率与离散选择分类。
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
定性响应时间序列的条件异方差：银行最优惠贷款利率的吉布斯抽样分析
- 研究问题
- 银行最优惠贷款利率的变动是离散的，同时可能存在序列自相关与条件异方差；如何在动态定性响应模型中纳入这些特征并进行估计？
- 方法与思路
- 作者在动态有序 probit 模型中加入马尔可夫切换异方差，以 Gibbs 抽样估计，并比较恒定方差与条件异方差设定的拟合优度检验。
- 材料陈述的贡献
- 作者称，Gibbs 抽样较便于估计动态有序 probit，并加入状态切换参数和条件异方差；文中还比较不同方差设定的拟合优度检验。
- 阅读关注点
- 应核对离散利率变动的类别定义、潜在误差尺度与状态识别、抽样收敛诊断，以及拟合优度检验如何比较两种方差设定。
- 阅读边界
- 摘要未报告拟合优度检验的具体结果、先验设定或收敛证据；所称实现简便，不能据此推出估计效率或样本外预测更优。
原文摘要
Previous time series applications of qualitative response models have ignored features of the data, such as conditional heteroscedasticity, that are routinely addressed in time series econometrics of financial data. This article addresses this issue by adding Markov-switching heteroscedasticity to a dynamic ordered probit model of discrete changes in the bank prime lending rate and estimating via the Gibbs sampler. The dynamic ordered probit model of Eichengreen, Watson, and Grossman allows for serial autocorrelation in probit analysis of a time series, and this article demonstrates the relative simplicity of estimating a dynamic ordered probit using the Gibbs sampler instead of the Eichengreen et al. maximum likelihood procedure. In addition, the extension to regime-switching parameters and conditional heteroscedasticity is easy to implement under Gibbs sampling. The article compares tests of goodness of fit between dynamic ordered probit models of the prime rate that have constant variance and conditional heteroscedasticity.