Dynamic Autoregressive Liquidity (DArLiQ)
动态自回归流动性模型 DArLiQAI 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：摘要明确建模非流动性时间序列的长期与短期动态，并研究其与股票市场风险溢价的联系。
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…
动态自回归流动性模型 DArLiQ
- 研究问题
- 如何将 Amihud 非流动性序列的长期趋势与短期动态分开建模，并考察这些成分与股票市场风险溢价的关系？
- 方法与思路
- 作者以非参数成分描述长期趋势、以自回归成分描述短期动态，分别开发基于条件矩的 GMM 和基于独立同分布假设的半参数 ML。
- 材料陈述的贡献
- 摘要称建立两类估计量的大样本性质，展示模型拟合与经验相关性，并利用标普五百指数数据研究非流动性成分与市场风险溢价。
- 阅读关注点
- 应核对趋势与短期动态的区分条件、GMM 矩限制和 ML 独立同分布假设，以及效率结论的条件和风险溢价关系的估计方式。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；趋势平滑方法、效率条件和关系方向未说明，不能据此作因果或预测判断，也无法推断刊本变化。
原文摘要
We introduce a new class of semiparametric dynamic autoregressive models for the Amihud illiquidity measure, which captures both the long-run trend in the illiquidity series with a nonparametric component and the short-run dynamics with an autoregressive component. We develop a generalized method of moments (GMM) estimator based on conditional moment restrictions and an efficient semiparametric maximum likelihood (ML) estimator based on an iid assumption. We derive large sample properties for our estimators. Finally, we demonstrate the model fitting performance and its empirical relevance on an application. We investigate how the different components of the illiquidity process obtained from our model relate to the stock market risk premium using data on the S&P 500 stock market index.