Simultaneous Equation Systems With Heteroscedasticity: Identification, Estimation, and Stock Price Elasticities
异方差联立方程系统：识别、估计与股票价格弹性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：摘要给出联立方程系统的识别与参数估计，并应用于股票需求和供给弹性，直接对应结构模型估计。
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
异方差联立方程系统：识别、估计与股票价格弹性
- 研究问题
- 研究能否依靠异方差识别多维联立方程系统，并在股票价格与交易量应用中判断股票需求和供给是否具有完全弹性。
- 方法与思路
- 作者在高斯准极大似然框架下给出依赖异方差的识别条件，研究估计量的一致性与渐近正态性，并与 GMM 作模拟比较。
- 材料陈述的贡献
- 摘要称估计量一致且渐近正态，轻微方差误设时模拟表现仍较好；Russell 3000 股票样本提供反对供需完全弹性的证据。
- 阅读关注点
- 应核对异方差识别条件与参数唯一性的关系、方差误设下理论与模拟的边界，以及股票价格和交易量方程的弹性解释。
- 阅读边界
- 摘要未列出完整识别条件、方差设定、样本期或弹性估计值；轻微误设下的模拟表现不等于任意方差误设下仍能一致估计。
原文摘要
We give a set of identifying conditions for p-dimensional (p ≥ 2) simultaneous equation systems (SES) with heteroscedasticity in the framework of Gaussian quasi-maximum likelihood (QML). Our conditions rely on the presence of heteroscedasticity in the data rather than identifying restrictions traditionally employed in the literature. The QML estimator is shown to be consistent for the true parameter point and asymptotically normal. Monte Carlo experiments indicate that the QML estimator performs well in comparison to the generalized method of moments (GMM) estimator in finite samples, even when the conditional variance is mildly misspecified. We analyze the relationship between traded stock prices and volumes in the setting of SES. Based on a sample of the Russell 3000 stocks, our findings provide new evidence against perfectly elastic demand and supply schedules for equities.