GENERALIZED AUTOREGRESSIVE CONDITIONAL CORRELATION
广义自回归条件相关模型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：摘要研究金融日收益的动态条件相关，并讨论 DCC、VCC 与 BEKK 等多变量波动模型。
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…
广义自回归条件相关模型
- 研究问题
- 如何从标准化残差的随机系数向量自回归结构出发，构建更一般的时变条件相关模型，并建立估计与检验理论？
- 方法与思路
- 作者提出 GARCC 模型，推导结构性质与正则条件，建立渐近理论，并针对若干特殊情形设计似然比检验。
- 材料陈述的贡献
- 摘要称，GARCC 比 DCC、VCC 更一般，解释条件相关的时变性，并以三个股票指数日收益展示模型及检验的实用性。
- 阅读关注点
- 应核对 GARCC 与既有模型的嵌套关系、参数约束及正则条件，检查似然比检验如何构造，以及日收益应用的比较标准。
- 阅读边界
- 所给 Crossref 摘要未给出参数条件、样本区间或数值结果；模型更一般不能据此理解为预测或风险度量表现必然更好。
原文摘要
This paper develops a generalized autoregressive conditional correlation (GARCC) model when the standardized residuals follow a random coefficient vector autoregressive process. As a multivariate generalization of the Tsay (1987, Journal of the American Statistical Association 82, 590–604) random coefficient autoregressive (RCA) model, the GARCC model provides a motivation for the conditional correlations to be time varying. GARCC is also more general than the Engle (2002, Journal of Business & Economic Statistics 20, 339–350) dynamic conditional correlation (DCC) and the Tse and Tsui (2002, Journal of Business & Economic Statistics 20, 351–362) varying conditional correlation (VCC) models and does not impose unduly restrictive conditions on the parameters of the DCC model. The structural properties of the GARCC model, specifically, the analytical forms of the regularity conditions, are derived, and the asymptotic theory is established. The Baba, Engle, Kraft, and Kroner (BEKK) model of Engle and Kroner (1995, Econometric Theory 11, 122–150) is demonstrated to be a special case of a multivariate RCA process. A likelihood ratio test is proposed for several special cases of GARCC. The empirical usefulness of GARCC and the practicality of the likelihood ratio test are demonstrated for the daily returns of the Standard and Poor's 500, Nikkei, and Hang Seng indexes.