LEAST ABSOLUTE DEVIATION ESTIMATION FOR UNIT ROOT PROCESSES WITH GARCH ERRORS
具有 GARCH 误差的单位根过程的最小绝对偏差估计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：摘要同时研究单位根时间序列推断和 GARCH 条件异方差误差。
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
具有 GARCH 误差的单位根过程的最小绝对偏差估计
- 研究问题
- 对于具有 GARCH 误差的单位根过程，如何在有限二阶矩条件下构造局部 LAD 估计和单位根检验，并考察重尾创新下的表现？
- 方法与思路
- 作者推导局部 LAD 估计的渐近性质，在创新对称分布时将单位根估计的极限表示为二维布朗运动泛函，并据此构造两种检验。
- 材料陈述的贡献
- 摘要称，该理论仅要求误差与创新具有有限二阶矩；模拟中所提检验优于重尾创新下的高斯 QMLE 检验及简单 LAD 检验。
- 阅读关注点
- 应核对局部 LAD 的构造、GARCH 和二阶矩条件、对称创新假设的作用，以及两个检验的临界值计算和模拟比较范围。
- 阅读边界
- 仅据所给 Crossref 摘要，不能将模拟优势推广到所有重尾分布，有限二阶矩要求也限制适用范围；完整条件与版本变化未说明。
原文摘要
This paper considers a local least absolute deviation estimation for unit root processes with generalized autoregressive conditional heteroskedastic (GARCH) errors and derives its asymptotic properties under only finite second-order moment for both errors and innovations. When the innovations are symmetrically distributed, the asymptotic distribution of the estimated unit root is shown to be a functional of a bivariate Brownian motion, and then two unit root tests are derived. The simulation results demonstrate that the tests outperform those based on the Gaussian quasi maximum likelihood estimators with heavy-tailed innovations and those based on the simple least absolute deviation estimators.