Estimating Multivariate Volatility Models Equation by Equation
多元波动率模型的逐方程估计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：摘要直接研究多元 GARCH、动态条件相关及金融序列的波动率估计。
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
多元波动率模型的逐方程估计
- 研究问题
- 如何通过逐个估计单变量波动率方程和后续相关矩阵，降低多元波动率模型的估计复杂度，并保持可靠的渐近推断？
- 方法与思路
- 作者先逐方程估计单变量 GARCH 类模型，再估计相关矩阵，研究逐方程估计与两阶段估计，并同一次性整体估计比较。
- 材料陈述的贡献
- 摘要称，逐方程估计在包含动态条件相关模型的框架中强一致且渐近正态；还提供模型限制检验及一般常条件相关模型的两阶段理论。
- 阅读关注点
- 应核对动态与常条件相关模型分别适用的结论、第二阶段的不确定性处理，以及逐方程方法同整体估计的效率和数值比较。
- 阅读边界
- 仅据所给 Crossref 摘要；参数约束、矩条件及比较结果未说明，不能将计算便利等同统计效率更高，也不能推断其他版本变化。
原文摘要
Summary The paper investigates the estimation of a wide class of multivariate volatility models. Instead of estimating an m-multivariate volatility model, a much simpler and numerically efficient method consists in estimating m univariate generalized auto-regressive conditional heteroscedasticity type models equation by equation in the first step, and a correlation matrix in the second step. Strong consistency and asymptotic normality of the equation-by-equation estimator are established in a very general framework, including dynamic conditional correlation models. The equation-by-equation estimator can be used to test the restrictions imposed by a particular multivariate generalized auto-regressive conditional heteroscedasticity specification. For general constant conditional correlation models, we obtain the consistency and asymptotic normality of the two-step estimator. Comparisons with the global method, in which the model parameters are estimated in one step, are provided. Monte Carlo experiments and applications to financial series illustrate the interest of the approach.