Whittle estimation of EGARCH and other exponential volatility models
EGARCH 及其他指数波动率模型的 Whittle 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：摘要以 EGARCH、GJR 和随机波动模型为对象，讨论条件方差冲击的持续性及参数估计，直接对应波动率方向。
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
EGARCH 及其他指数波动率模型的 Whittle 估计
- 研究问题
- 在允许短记忆、长记忆且不要求观测变量具有有限方差的条件下，指数波动率模型的 Whittle 参数估计具有什么性质？
- 方法与思路
- 作者为一类指数波动率过程建立 Whittle 估计理论，重点讨论 EGARCH 和单冲击模型，并涵盖满足假设的双冲击模型。
- 材料陈述的贡献
- 摘要称，文章建立强一致性与渐近正态性，允许广泛的波动持续性，且不要求研究变量具有任何阶的有限分数矩。
- 阅读关注点
- 应核对 Whittle 目标函数实际使用的序列、模型涵盖范围，以及重尾和长记忆情形下各项极限结果的条件。
- 阅读边界
- 仅据所给出版社摘要，无法判断平稳性、参数识别和创新分布的具体要求；不要求有限矩并不意味着所有重尾模型均适用。
原文摘要
The strong consistency and asymptotic normality of the Whittle estimate of the parameters in a class of exponential volatility processes are established. Our main focus here are the EGARCH model of [Nelson, D. 1991. Conditional heteroscedasticity in asset pricing: A new approach. Econometrica 59, 347-370] and other one-shock models such as the GJR model of [Glosten, L., Jaganathan, R., Runkle, D., 1993. On the relation between the expected value and the volatility of the nominal excess returns on stocks. Journal of Finance, 48, 1779-1801], but two-shock models, such as the SV model of [Taylor, S. 1986. Modelling Financial Time Series. Wiley, Chichester, UK], are also comprised by our assumptions. The variable of interest might not have finite fractional moment of any order and so, in particular, finite variance is not imposed. We allow for a wide range of degrees of persistence of shocks to conditional variance, allowing for both short and long memory.