QUASI-MAXIMUM LIKELIHOOD ESTIMATION OF SEMI-STRONG GARCH MODELS
半强 GARCH 模型的拟最大似然估计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：摘要明确研究 GARCH 条件异方差模型的参数估计及创新条件，最直接对应波动率计量，未涉及定价或风险测度。
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
半强 GARCH 模型的拟最大似然估计
- 研究问题
- 当中心化平方创新为鞅差时，GARCH 参数的拟最大似然估计能否保持一致性和渐近正态性，并减少对条件均值的限制？
- 方法与思路
- 作者针对该创新结构证明 GARCH 参数 QMLE 的一致性与渐近正态性，沿用独立同分布创新情形的证明思路并作推广。
- 材料陈述的贡献
- 摘要称，结果推广并改进既有半强 GARCH(1,1) 局部 QMLE 理论，特别是不对条件均值施加限制；具体正则条件未列出。
- 阅读关注点
- 应核对半强模型和中心化平方创新的定义、参数识别与矩条件，以及不限制条件均值时似然构造和证明如何成立。
- 阅读边界
- 仅据所给 Crossref 版本摘要，所谓温和条件及推广范围未说明；不限制条件均值不意味着可以省略其他创新或模型假设。
原文摘要
This note proves the consistency and asymptotic normality of the quasi–maximum likelihood estimator (QMLE) of the parameters of a generalized autoregressive conditional heteroskedastic (GARCH) model with martingale difference centered squared innovations. The results are obtained under mild conditions and generalize and improve those in Lee and Hansen (1994, Econometric Theory 10, 29–52) for the local QMLE in semistrong GARCH(1,1) models. In particular, no restrictions on the conditional mean are imposed. Our proofs closely follow those in Francq and Zakoïan (2004, Bernoulli 10, 605–637) for independent and identically distributed innovations.