Identification of structural multivariate GARCH models
结构多变量 GARCH 模型的识别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：摘要直接讨论金融收益的波动与相关动态、跨市场波动传递及组合风险估计。
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…
结构多变量 GARCH 模型的识别
- 研究问题
- 多变量 GARCH 如何识别正交化冲击向各资产收益传递的结构，并据此分析波动传导与组合风险？
- 方法与思路
- 作者在非高斯且相互独立的结构冲击框架下，利用高阶共同矩构造损失统计量，以数据区分不同的结构传递假设。
- 材料陈述的贡献
- 摘要称理论和模拟支持识别一致性；美洲股市应用显示美国向拉美的显著波动传递，并称结构识别改善了组合风险估计。
- 阅读关注点
- 应核对非高斯独立冲击的具体限制、高阶矩存在条件、候选结构的区分方式，以及风险估计改善所采用的评价标准。
- 阅读边界
- 解读限于所给 OpenAlex 摘要；摘要未说明完整识别条件、风险指标及改善幅度，不能据此推断其他版本的结果或变化。
原文摘要
The class of multivariate GARCH models is widely used to quantify and monitor volatility and correlation dynamics of financial time series. While many specifications have been proposed in the literature, these models are typically silent about the system inherent transmission of implied orthogonalized shocks to vector returns. In a framework of non-Gaussian independent structural shocks, this paper proposes a loss statistic, based on higher order co-moments, to discriminate in a data-driven way between alternative structural assumptions about the transmission scheme, and hence identify the structural model. Consistency of identification is shown theoretically and via a simulation study. In its structural form, a four dimensional system comprising US and Latin American stock market returns points to a substantial volatility transmission from the US to the Latin American markets. The identified structural model improves the estimation of classical measures of portfolio risk, as well as corresponding variations.