Buffered Autoregressive Models With Conditional Heteroscedasticity: An Application to Exchange Rates
含条件异方差的缓冲自回归模型：汇率应用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：摘要明确讨论自回归时间序列的非线性与条件方差，并应用于汇率，因此对应金融波动率和时间序列方向。
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
含条件异方差的缓冲自回归模型：汇率应用
- 研究问题
- 汇率等时间序列的条件均值和条件方差若都存在缓冲现象，如何在同一模型中描述这种动态特征及其非线性？
- 方法与思路
- 作者提出BAR-GARCH模型，将缓冲自回归与广义自回归条件异方差结合，用于同时刻画条件均值和条件方差中的缓冲现象。
- 材料陈述的贡献
- 摘要称新模型扩展了既有缓冲自回归模型，为研究序列非线性提供一种途径；若干汇率应用与AR-GARCH及门限AR-GARCH作了比较。
- 阅读关注点
- 应核对缓冲机制与状态转换规则、均值和方差方程的耦合方式，以及参数识别、平稳性和与替代模型比较的评价指标。
- 阅读边界
- 摘要未说明估计方法、理论条件、汇率样本与比较结果的具体数值；“凸显重要性”不足以确认模型具有普遍预测优势。
原文摘要
This article introduces a new model called the buffered autoregressive model with generalized autoregressive conditional heteroscedasticity (BAR-GARCH). The proposed model, as an extension of the BAR model in Li et al. (2015), can capture the buffering phenomena of time series in both the conditional mean and variance. Thus, it provides us a new way to study the nonlinearity of time series. Compared with the existing AR-GARCH and threshold AR-GARCH models, an application to several exchange rates highlights the importance of the BAR-GARCH model.