TEST FOR ZERO MEDIAN OF ERRORS IN AN ARMA–GARCH MODEL
ARMA–GARCH 模型误差零中位数检验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：摘要围绕 ARMA–GARCH 动态及条件波动结构展开，并分析金融收益。
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…
ARMA–GARCH 模型误差零中位数检验
- 研究问题
- 在使用自加权准最大指数似然估计前，如何检验 ARMA–GARCH 误差是否具有零中位数，并减轻重尾带来的矩条件限制？
- 方法与思路
- 作者构造经验似然检验，无须估计 GARCH 模型，但利用其结构减轻矩条件影响，并通过模拟及金融收益数据分析考察表现。
- 材料陈述的贡献
- 摘要称提出了针对误差零中位数的有效检验；数据分析发现部分金融收益不满足该条件，提示相关估计方法的使用需核对前提。
- 阅读关注点
- 应核对误差如何从 ARMA 部分获得、检验的矩条件和校准方式，以及零中位数、绝对误差均值为一与估计有效性之间的关系。
- 阅读边界
- 仅据所给 Crossref 版本摘要，检验的有效性标准、具体数据及数值未说明；部分收益的发现不能推广至全部市场，也不能推断刊本变化。
原文摘要
Because the ARMA–GARCH model can generate data with some important properties such as skewness, heavy tails, and volatility persistence, it has become a benchmark model in analyzing financial and economic data. The commonly employed quasi maximum likelihood estimation (QMLE) requires a finite fourth moment for both errors and the sequence itself to ensure a normal limit. The self-weighted quasi maximum exponential likelihood estimation (SWQMELE) reduces the moment constraints by assuming that the errors and their absolute values have median zero and mean one, respectively. Therefore, it is necessary to test zero median of errors before applying the SWQMELE, as changing zero mean to zero median destroys the ARMA–GARCH structure. This paper develops an efficient empirical likelihood test without estimating the GARCH model but using the GARCH structure to reduce the moment effect. A simulation study confirms the effectiveness of the proposed test. The data analysis shows that some financial returns do not have zero median of errors, which cautions the use of the SWQMELE.