TESTING GARCH-X TYPE MODELS
GARCH-X 类模型的检验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：摘要以 GARCH-X 向标准 GARCH 的约化检验为核心，直接关联条件波动率建模。
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…
GARCH-X 类模型的检验
- 研究问题
- 如何检验包含外生协变量的 GARCH-X 模型能否约化为标准 GARCH，同时处理原假设下干扰参数处于边界及无法识别的问题？
- 方法与思路
- 作者利用逆信息矩阵中特定元素为零的结构，构造由两个似然比检验组成的序贯检验，并在平稳、遍历及协变量正则条件下分析。
- 材料陈述的贡献
- 摘要称，该矩阵结构使所提检验不受所述边界与识别问题影响，并将理论应用于高斯、t 创新及整数值 GARCH-X 模型。
- 阅读关注点
- 应核对约化原假设、两个检验的顺序与总体显著性控制、逆信息矩阵零元素的来源，以及外生协变量所需的正则条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断检验统计量、临界值和有限样本表现；对边界及识别问题的处理依赖文中指定的模型结构。
原文摘要
We present novel theory for testing for reduction of GARCH-X type models with an exogenous (X) covariate to standard GARCH type models. To deal with the problems of potential nuisance parameters on the boundary of the parameter space as well as lack of identification under the null, we exploit a noticeable property of specific zero-entries in the inverse information of the GARCH-X type models. Specifically, we consider sequential testing based on two likelihood ratio tests and as demonstrated the structure of the inverse information implies that the proposed test neither depends on whether the nuisance parameters lie on the boundary of the parameter space, nor on lack of identification. Asymptotic theory is derived essentially under stationarity and ergodicity, coupled with a regularity assumption on the exogenous covariate X. Our general results on GARCH-X type models are applied to Gaussian based GARCH-X models, GARCH-X models with Student’s t -distributed innovations as well as integer-valued GARCH-X (PAR-X) models.