The Econometrics of Financial Duration Modeling
金融持续时间建模的计量经济学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：摘要研究交易时段内金融事件的持续时间及 ACD 动态模型，直接涉及事件级金融计量和时间序列。
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…
金融持续时间建模的计量经济学
- 研究问题
- 在固定交易日或周内观测金融事件时，持续时间的重尾性与随机观测数量如何改变似然估计量的收敛速度和极限分布？
- 方法与思路
- 作者利用固定时间跨度内事件数量随机这一特征，分析经典自回归条件持续时间模型的似然估计，并将结果联系至一般随机事件数模型。
- 材料陈述的贡献
- 摘要称，即使过程平稳，尾指数小于一时常规渐近正态性仍会失效，估计量转而具有混合高斯极限和非标准收敛速度。
- 阅读关注点
- 应核对尾部假设、固定时间跨度的渐近设定、随机样本量与估计量的联合行为，以及混合高斯极限如何用于可行推断。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实。摘要未给出具体收敛速率和推断程序，也未说明尾指数等于一时的结论。
原文摘要
We establish new results for estimation and inference in financial durations models, where events are observed over a given time span, such as a trading day, or a week. For the classical autoregressive conditional duration (ACD) models by Engle and Russell (1998, Econometrica 66, 1127-1162), we show that the large sample behavior of likelihood estimators is highly sensitive to the tail behavior of the financial durations. In particular, even under stationarity, asymptotic normality breaks down for tail indices smaller than one or, equivalently, when the clustering behaviour of the observed events is such that the unconditional distribution of the durations has no finite mean. Instead, we find that estimators are mixed Gaussian and have non-standard rates of convergence. The results are based on exploiting the crucial fact that for duration data the number of observations within any given time span is random. Our results apply to general econometric models where the number of observed events is random.