Adaptive Estimation in ARCH Models
ARCH 模型中的自适应估计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：摘要直接研究 ARCH 条件方差过程及其可识别参数的估计，符合波动率方向。
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
ARCH 模型中的自适应估计
- 研究问题
- 在误差遵循平稳参数化 ARCH 过程、但条件密度形式未知时，哪些均值与方差过程参数可识别并实现自适应估计？
- 方法与思路
- 作者在误差条件密度关于零对称的限制下构造有效估计量，并通过重参数化处理 ARCH 参数与误差密度的识别问题。
- 材料陈述的贡献
- 摘要称，均值参数可按 Bickel 意义自适应估计；原始 ARCH 参数存在联合识别问题，但重参数化后的可识别参数可自适应估计。
- 阅读关注点
- 应核对密度对称性和平稳性要求、不可识别性的具体来源，以及重参数化、效率界与自适应估计的定义和实现。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体重参数化及正则条件未说明，不能将结论推广至非对称密度或所有原始 ARCH 参数。
原文摘要
We construct efficient estimators of the identifiable parameters in a regression model when the errors follow a stationary parametric ARCH( P ) process. We do not assume a functional form for the conditional density of the errors, but do require that it be symmetric about zero. The estimators of the mean parameters are adaptive in the sense of Bickel [2]. The ARCH parameters are not jointly identifiable with the error density. We consider a reparameterization of the variance process and show that the identifiable parameters of this process are adaptively estimable.