Tests for conditional ellipticity in multivariate GARCH models
多元 GARCH 模型的条件椭圆性检验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：摘要直接研究多元 GARCH 过程的条件分布检验，属于波动率模型的统计推断。
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…
多元 GARCH 模型的条件椭圆性检验
- 研究问题
- 如何检验多元 GARCH 过程的条件分布是否具有椭圆对称性，并在创新向量径向分布未知时获得可用的检验临界值？
- 方法与思路
- 作者利用球对称分布特征函数的共同几何结构，构造 Kolmogorov–Smirnov 型和 Cramér–von Mises 型统计量，并以条件蒙特卡洛实施检验。
- 材料陈述的贡献
- 摘要称，论文研究检验的渐近零假设分布与一致性，正式论证条件重抽样方案的有效性，并提供有限样本表现及与其他检验的比较。
- 阅读关注点
- 核对椭圆性与球对称几何之间的转换、参数估计对统计量的影响，以及条件蒙特卡洛如何处理创新范数分布这一未知因素。
- 阅读边界
- 仅据所给出版社摘要，无法确定一般条件的具体内容、重抽样实现细节或比较结果；摘要没有支持检验普遍优于其他方法的结论。
原文摘要
Tests are proposed for the assumption that the conditional distribution of a multivariate GARCH process is elliptic. These tests are of Kolmogorov–Smirnov and Cramér–von Mises-type and make use of the common geometry underlying the characteristic function of any spherically symmetric distribution. The asymptotic null distribution of the test statistics as well as the consistency of the tests is investigated under general conditions. It is shown that both the finite sample and the asymptotic null distribution depend on the unknown distribution of the Euclidean norm of the innovations. Therefore a conditional Monte Carlo procedure is used to actually carry out the tests. The validity of this resampling scheme is formally justified. Results on the behavior of the new tests in finite-samples are included along with comparisons with other tests.