GMM Estimation of a Stochastic Volatility Model: A Monte Carlo Study
随机波动率模型的 GMM 估计：蒙特卡洛研究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：题名和摘要围绕随机自回归波动率模型的 GMM 估计展开，研究矩条件与权重选择，因此归入波动率方向。
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
随机波动率模型的 GMM 估计：蒙特卡洛研究
- 研究问题
- 随机自回归波动率模型采用 GMM 估计时，增加矩条件所带来的信息与目标函数的精确性之间如何权衡，权重又有何影响？
- 方法与思路
- 作者以蒙特卡洛模拟比较不同 GMM 程序，并使用最优权重矩阵的近似，考察权重对估计、设定检验与推断的影响。
- 材料陈述的贡献
- 摘要称，矩条件数量与目标函数精确性之间存在权衡，并为强条件异方差及矩条件相关情形下获得较好小样本性质提供指引。
- 阅读关注点
- 阅读时应核对矩条件的选择、最优权重的近似方式与模拟设计，以及估计、设定检验和推断所采用的表现指标。
- 阅读边界
- 摘要未提供模拟参数、样本量、具体矩条件或量化结果，无法判断指引的适用范围，也不能断言某种 GMM 程序普遍更优。
原文摘要
We examine alternative generalized method of moments procedures for estimation of a stochastic autoregressive volatility model by Monte Carlo methods. We document the existence of a tradeoff between the number of moments, or information, included in estimation and the quality, or precision, of the objective function used for estimation. Furthermore, an approximation to the optimal weighting matrix is used to explore the impact of the weighting matrix for estimation, specification testing, and inference procedures. The results provide guidelines that help achieve desirable small-sample properties in settings characterized by strong conditional heteroscedasticity and correlation among the moments.