Temporal Aggregation of Garch Processes
GARCH 过程的时间聚合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：摘要直接讨论 ARMA 过程的时间聚合与 GARCH 条件方差，对应时间序列和波动率；日度示例不足以支持日内高频分类。
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
GARCH 过程的时间聚合
- 研究问题
- 高频 ARMA—GARCH 过程聚合到低频后，其条件方差结构如何变化，能否仅凭低频观测一致估计高频模型参数？
- 方法与思路
- 作者从带对称 GARCH 误差的高频 ARMA 模型推导低频模型，将低频条件方差参数与高频均值、方差及峰度联系起来。
- 材料陈述的贡献
- 摘要称聚合后的模型仍有 GARCH 形式，并可用低频数据构造高频参数的强一致估计量；创新独立性假设会依赖观测频率。
- 阅读关注点
- 重点核对时间聚合后所用 GARCH 概念与条件信息集、参数映射和矩条件，以及从低频数据恢复高频参数所需的限制。
- 阅读边界
- 摘要未列出适用阶数、矩条件和参数恢复所需限制，不能据此认为任意 GARCH 过程聚合后均保持相同结构或创新独立性。
原文摘要
The authors derive low frequency, say weekly, models implied by high frequency, say daily, ARMA models with symmetric GARCH errors. They show that low frequency models exhibit conditional heteroskedasticity of the GARCH form as well. The parameters in the conditional variance equation of the low frequency model depend upon mean, variance, and kurtosis parameters of the corresponding high frequency model. Moreover, strongly consistent estimators of the parameters in the high frequency model can be derived from low frequency data. The common assumption in applications that rescaled innovations are independent is disputable, since it depends upon the available data frequency. Copyright 1993 by The Econometric Society.