Filtering and forecasting with misspecified ARCH models II
误设 ARCH 模型的滤波与预测：第二篇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：摘要围绕 ARCH 条件方差、随机波动及高频观测下的滤波展开，最直接对应波动率和高频计量两个方向。
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
误设 ARCH 模型的滤波与预测：第二篇
- 研究问题
- 为什么误设 ARCH 模型可能在高频条件方差滤波中有效，却在中长期预测中失效；什么条件能使两项任务同时成立？
- 方法与思路
- 作者在一致滤波条件之外，要求 ARCH 正确设定所有状态变量前两阶条件矩的函数形式，并将理论用于随机波动扩散模型。
- 材料陈述的贡献
- 摘要称，论文建立误设 ARCH 同时适用于滤波和预测的条件，强调所有状态变量前两阶条件矩的函数形式是关键要求。
- 阅读关注点
- 应核对高频渐近框架、一致滤波的前置条件、状态变量的定义，以及条件矩正确设定如何支持不同预测期限的结论。
- 阅读边界
- 仅依据 OpenAlex 所载摘要；摘要未列出完整条件或预测误差结果，不能把滤波有效直接解释为任意期限波动率预测可靠。
原文摘要
A companion paper (Nelson, 1992) showed that in data observed at high frequencies, an ARCH model may perform well in estimating the conditional variance of a process, even when the ARCH model is severely misspecified. While such models may perform reasonably well at filtering (i.e., at estimating unobserved instantaneous conditional variances), they may perform disastrously at medium- and long-term forecasting of the process and its volatility. In this paper, we develop conditions under which a misspecified ARCH model successfully performs both tasks, filtering and forecasting. The key requirement (in addition to the conditions for consistent filtering) is that the ARCH model correctly specifies the functional form of the first two conditional moments of all state variables. We apply these results to a diffusion model employed in the options pricing literature, the stochastic volatility model of Hull and White (1987), Scott (1987), and Wiggins (1987).