A new hyperbolic GARCH model
一种新的双曲记忆 GARCH 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：摘要直接研究 GARCH 波动率的长期依赖、有限方差和模型诊断，最直接对应波动率计量方向。
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
一种新的双曲记忆 GARCH 模型
- 研究问题
- 如何在刻画波动率长期依赖时，构造形式较简单且允许有限方差的双曲 GARCH 模型，并配套估计与诊断方法？
- 方法与思路
- 作者在普通与整合 GARCH 之间建立连接，构造新双曲模型，并推导高斯拟极大似然、综合诊断及双曲记忆检验。
- 材料陈述的贡献
- 摘要称新模型兼具允许有限方差和接近 FIGARCH 的简洁形式，并提供估计与检验工具，以模拟和实证例子考察表现。
- 阅读关注点
- 应核对有限方差与平稳性条件、长期依赖的具体定义、拟似然推断的矩条件，以及诊断和记忆检验的原假设。
- 阅读边界
- 仅据所给出版社摘要，无法确认参数限制及改进幅度；允许有限方差不意味着所有参数取值下都存在有限方差。
原文摘要
There are two commonly used hyperbolic GARCH processes, the FIGARCH and HYGARCH processes, in modeling the long-range dependence in volatility. However, the FIGARCH process always has infinite variance, and the HYGARCH model has a more complicated form. This paper builds a simple bridge between a common GARCH model and an integrated GARCH model, and hence a new hyperbolic GARCH model along the lines of FIGARCH models. The new model remedies the drawback of FIGARCH processes by allowing the existence of finite variance as in HYGARCH models, while it has a form nearly as simple as the FIGARCH model. Two inference tools, including the Gaussian QMLE and a portmanteau test for the adequacy of the fitted model, are derived, and an easily implemented test for hyperbolic memory is also constructed. Their finite sample performances are evaluated by simulation experiments, and an empirical example gives further support to our new model.