Efficient Estimation of Conditional Asset-Pricing Models
条件资产定价模型的有效估计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：条件资本资产定价模型是明确应用对象，而波动率进入均值的多元 GARCH 模型同时涉及条件波动率建模。
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
条件资产定价模型的有效估计
- 研究问题
- 在扰动条件分布仅要求椭圆对称、其余形式不受限制时，如何有效估计波动率进入均值的多元 GARCH 模型，并检验条件资产定价关系？
- 方法与思路
- 作者在椭圆对称条件分布框架下构建估计程序，利用对称性缓解估计未知误差分布的维数问题，并以条件资本资产定价模型作为适用例子。
- 材料陈述的贡献
- 摘要称，在高层次假设下，估计量达到渐近半参数效率界；方法可用于条件资产定价模型的估计与检验，并报告股票应用与模拟。
- 阅读关注点
- 应核对效率结论所需的高层次假设、椭圆对称约束与未知分布估计的实现，并查看模拟基准及股票应用中的均值和条件协方差设定。
- 阅读边界
- 摘要未列出效率界成立的完整条件，也未说明模拟和实证的具体表现；该效率结论依赖椭圆对称，不能仅凭摘要推断更一般分布下的表现。
原文摘要
parameters of multivariate generalized autoregressive conditional heteroscedasticity-in-mean models when the disturbances have a conditional distribution assumed to be elliptically symmetric but otherwise unrestricted. Under high-level assumptions, the resulting estimator achieves the asymptotic semiparametric efficiency bound. The elliptical symmetry assumption allows us to avert the curse of dimensionality problem that would otherwise arise in estimating the unknown error distribution. This framework is suitable for the estimation and testing of conditional asset-pricing models, such as the conditional capital asset-pricing model. We apply our procedure in an empirical study of stock prices, with Monte Carlo simulation results also reported.