ON THE LOG PERIODOGRAM REGRESSION ESTIMATOR OF THE MEMORY PARAMETER IN LONG MEMORY STOCHASTIC VOLATILITY MODELS
长记忆随机波动率模型中记忆参数的对数周期图回归估计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：摘要以长记忆随机波动率模型为对象并研究频域估计，直接对应波动率与时间序列方向。
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
长记忆随机波动率模型中记忆参数的对数周期图回归估计
- 研究问题
- 在长记忆随机波动率模型中，对数周期图回归估计记忆参数具有怎样的偏差、方差和渐近分布，是否需要删除最低频率？
- 方法与思路
- 作者研究基于对数周期图回归的半参数估计量，推导其渐近偏差与方差，并分析保留靠近零点的低频信息的理论依据。
- 材料陈述的贡献
- 摘要称，估计量的渐近分布与高斯长记忆序列已有结果相同，理论不要求删除一段最低频率，且保留这些频率在该模型中尤其有利。
- 阅读关注点
- 阅读全文时应核对随机波动率模型及观测变换、低频范围与带宽条件，以及保留最低频率为何有利和可能付出的代价。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定偏差方差公式及低频使用条件；摘要未给出量化收益或证明任意频率选择都适用。
原文摘要
We consider semiparametric estimation of the memory parameter in a long memory stochastic volatility model. We study the estimator based on a log periodogram regression as originally proposed by Geweke and Porter-Hudak (1983, Journal of Time Series Analysis 4, 221–238). Expressions for the asymptotic bias and variance of the estimator are obtained, and the asymptotic distribution is shown to be the same as that obtained in recent literature for a Gaussian long memory series. The theoretical result does not require omission of a block of frequencies near the origin. We show that this ability to use the lowest frequencies is particularly desirable in the context of the long memory stochastic volatility model.