The efficiency of the estimators of the parameters in GARCH processes
GARCH 过程参数估计量的效率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：摘要直接研究 GARCH 动态过程的参数估计及似然效率，对应波动率和时间序列；未研究尾部风险度量或收益预测。
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
GARCH 过程参数估计量的效率
- 研究问题
- 对于 GARCH 过程，如何构造具有一致性和渐近正态性的参数估计量，并比较最大似然及不同准似然选择的估计效率？
- 方法与思路
- 作者提出一类 GARCH 参数估计量，详细讨论似然与准似然方法，并在创新分布具有多项式尾部时比较指数和正态准似然。
- 材料陈述的贡献
- 摘要称最大似然估计具有最优性，且在所述尾部情形下，指数密度准似然优于标准正态准似然；具体效率标准未展开。
- 阅读关注点
- 阅读时应核对一致性和正态性的条件、最优性的定义、创新分布的尾部要求，以及不同准似然估计的尺度处理和效率比较。
- 阅读边界
- 所给为版本未注明的 OpenAlex 索引摘要；“温和条件”和“表现更好”的具体含义未说明，不能推广为任意重尾情形的普遍优势。
原文摘要
We propose a class of estimators for the parameters of a GARCH(p,q) sequence. We show that our estimators are consistent and asymptotically normal under mild conditions. The quasi-maximum likelihood and the likelihood estimators are discussed in detail. We show that the maximum likelihood estimator is optimal. If the tail of the distribution of the innovations is polynomial, even a quasi-maximum likelihood estimator based on exponential density performs better than the standard normal density-based quasi-likelihood estimator of Lee and Hansen and Lumsdaine.