Asymmetric GARCH modelling without moment conditions
无矩条件下的非对称 GARCH 建模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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以金融时间序列的非对称 GARCH 建模为核心并应用于股票收益，直接属于波动率计量；未明确研究系统性风险度量。
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…
无矩条件下的非对称 GARCH 建模
- 研究问题
- 面对可能具有无限方差乃至无限均值的金融收益，如何建立非对称波动模型，并在平稳与爆炸情形下开展估计和诊断？
- 方法与思路
- 作者提出使用标准化非高斯稳定分布创新的 sAGARCH 模型，研究极大似然估计，并构造诊断、严格平稳性与非对称性检验。
- 材料陈述的贡献
- 摘要称，论文证明含尾指数参数的估计量强一致性与渐近正态性，讨论渐近方差估计，并以模拟和股票收益应用展示方法。
- 阅读关注点
- 应核对稳定创新的标准化方式、平稳与爆炸情形的参数条件、截距估计的特殊表现，以及各项检验的有效性范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；无有限矩要求不代表无需其他正则条件，摘要未提供证明条件和具体应用结果。
原文摘要
Heavy tails and stability are two persistent challenges in modelling financial time series, yet most existing approaches rely on finite-moment assumptions and pay insufficient attention to stability issues. To bridge this gap, we propose an asymmetric GARCH model with standardized non-Gaussian stable innovations (sAGARCH), which accommodates infinite variance and even infinite mean. We establish a comprehensive inference framework for both stationary and explosive cases, proving the strong consistency and asymptotic normality of the maximum likelihood estimator, including the tail index parameter. We also discuss multiple estimators for the asymptotic variance. Additionally, we propose a modified Kolmogorov-type test statistic for diagnostic checking, along with tests for strict stationarity and asymmetry. Through Monte Carlo simulations with heavy-tailed innovations, we provide further insight into the finite-sample performance of the intercept estimator. Empirical applications to stock returns further highlight the usefulness and merits of the proposed sAGARCH model.