A Nonparametric Test for Autoregressive Conditional Heteroscedasticity: A Markov-Chain Approach
自回归条件异方差的非参数检验：马尔可夫链方法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：摘要直接检验自回归条件异方差，并使用远期外汇数据举例，内容对应金融波动率和时间序列方法。
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
自回归条件异方差的非参数检验：马尔可夫链方法
- 研究问题
- 如何借助有限状态马尔可夫链构造自回归条件异方差的非参数检验，并比较其在不同分布下的有限样本表现？
- 方法与思路
- 作者提出基于有限状态马尔可夫链的检验，以简单蒙特卡洛实验对照拉格朗日乘数检验，并用加拿大／美国远期外汇数据作示例。
- 材料陈述的贡献
- 摘要称，简单模拟中两者在条件正态下表现相近，新检验在 t、对数正态和指数分布下表现更好；该比较限于所述实验。
- 阅读关注点
- 重点核对状态划分、检验统计量及临界值的构造，并区分模拟比较的是检验尺寸还是功效，以及是否控制了尺寸差异。
- 阅读边界
- 摘要未给出模拟样本量、统计量分布或尺寸与功效细节；所述比较不能外推至任意非正态分布，外汇示例也未提供具体结果。
原文摘要
In this article we propose a nonparametric test for autoregressive conditional heteroscedasticity based on finite-state Markov chains. A simple Monte Carlo experiment suggests that in finite samples it performs comparably to the Lagrange multiplier test under conditional normality and is superior for the t, lognormal, and exponential distributions. As an illustration, we apply both tests to Canadian/U.S. forward foreign exchange data.