EMPIRICAL-LIKELIHOOD-BASED CONFIDENCE INTERVALS FOR CONDITIONAL VARIANCE IN HETEROSKEDASTIC REGRESSION MODELS
异方差回归模型条件方差的经验似然置信区间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：摘要直接讨论条件方差推断，并明确提到金融数据偏度，为金融波动率方向提供依据；未涉及收益预测。
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
异方差回归模型条件方差的经验似然置信区间
- 研究问题
- 在异方差回归模型中，如何围绕已有条件方差估计量构造置信区间，并比较经验似然与正态近似方法的表现？
- 方法与思路
- 作者将经验似然用于原有条件方差估计量及其减方差修正版；摘要将后者与金融数据偏度的处理联系起来。
- 材料陈述的贡献
- 摘要称模拟与数据分析显示经验似然方法相对正态近似具有优势，但未说明优势的具体指标、幅度和适用情形。
- 阅读关注点
- 应核对经验似然约束的构造、两种条件方差估计量的差别，以及偏度、带宽和样本量如何影响区间覆盖表现。
- 阅读边界
- 仅据所给 Crossref 摘要，数据来源、正则条件及比较数值均未说明；不能将所述优势推广到所有金融数据或推断版本变化。
原文摘要
Fan and Yao (1998) proposed an efficient method to estimate the conditional variance of heteroskedastic regression models. Chen, Cheng, and Peng (2009) applied variance reduction techniques to the estimator of Fan and Yao (1998) and proposed a new estimator for conditional variance to account for the skewness of financial data. In this paper, we apply empirical likelihood methods to construct confidence intervals for the conditional variance based on the estimator of Fan and Yao (1998) and the reduced variance modification of Chen et al. (2009). Simulation studies and data analysis demonstrate the advantage of the empirical likelihood method over the normal approximation method.