QUANTILE DOUBLE AUTOREGRESSION
分位数双重自回归模型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：摘要同时明确研究时间序列动态、条件异方差与条件分位数结构。
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
分位数双重自回归模型
- 研究问题
- 如何同时描述金融时间序列在不同分位数上的结构差异与条件异方差，并对拟合的条件分位数开展模型适配性检验？
- 方法与思路
- 作者提出分位数双重自回归模型，研究严格平稳性，采用自加权条件分位数估计，并利用分位数自相关构造三种综合检验。
- 材料陈述的贡献
- 摘要称新模型保留原双重自回归模型的两项性质，并提供平稳性、估计与诊断工具；模拟及标普500指数分析用于展示方法。
- 阅读关注点
- 应核对模型中位置与尺度的参数化、严格平稳条件、自加权规则，以及三种检验的原假设和所保留两项性质的具体内容。
- 阅读边界
- 仅据所给 Crossref 版本摘要，两项性质的内容、尾部条件及实证效果未说明；不能由指数应用推断普遍预测优势或刊本变化。
原文摘要
Many financial time series have varying structures at different quantile levels, and also exhibit the phenomenon of conditional heteroskedasticity at the same time. However, there is presently no time series model that accommodates both of these features. This paper fills the gap by proposing a novel conditional heteroskedastic model called “quantile double autoregression”. The strict stationarity of the new model is derived, and self-weighted conditional quantile estimation is suggested. Two promising properties of the original double autoregressive model are shown to be preserved. Based on the quantile autocorrelation function and self-weighting concept, three portmanteau tests are constructed to check the adequacy of the fitted conditional quantiles. The finite sample performance of the proposed inferential tools is examined by simulation studies, and the need for use of the new model is further demonstrated by analyzing the S&P500 Index.