LONG AND SHORT MEMORY CONDITIONAL HETEROSKEDASTICITY IN ESTIMATING THE MEMORY PARAMETER OF LEVELS
水平序列记忆参数估计中的长短记忆条件异方差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：摘要直接研究时间序列长记忆估计，并明确涉及金融序列的条件异方差、平方序列长记忆及 ARCH、GARCH。
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
水平序列记忆参数估计中的长短记忆条件异方差
- 研究问题
- 金融时间序列存在短记忆或长记忆条件异方差时，水平序列记忆参数的局部 Whittle 估计能否保持一致性与极限分布？
- 方法与思路
- 作者在允许平方序列具有长记忆、并涵盖短记忆 ARCH 与 GARCH 的条件异方差框架中，分析高斯或局部 Whittle 估计。
- 材料陈述的贡献
- 摘要称，在正则条件下，该估计量可以保持一致性，且具有与条件同方差情形相同的极限分布。
- 阅读关注点
- 应核对条件异方差过程与水平序列的关系、正则条件和带宽要求，以及平方序列长记忆如何进入渐近论证。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，无法确定允许的记忆参数范围及完整条件，不能将结论扩展到任意异方差金融序列。
原文摘要
Semiparametric estimates of long memory seem useful in the analysis of long financial time series because they are consistent under much broader conditions than parametric estimates. However, recent large sample theory for semiparametric estimates forbids conditional heteroskedasticity. We show that a leading semiparametric estimate, the Gaussian or local Whittle one, can be consistent and have the same limiting distribution under conditional heteroskedasticity as under the conditional homoskedasticity assumed by Robinson (1995, Annals of Statistics 23, 1630–61). Indeed, noting that long memory has been observed in the squares of financial time series, we allow, under regularity conditions, for conditional heteroskedasticity of the general form introduced by Robinson (1991, Journal of Econometrics 47, 67–84), which may include long memory behavior for the squares, such as the fractional noise and autoregressive fractionally integrated moving average form, and also standard short memory ARCH and GARCH specifications.