×
弗朗西斯科·布拉斯克斯;季、姜瑜;安德烈·卢卡斯

半参数得分驱动的波动率模型。 （英语） Zbl 1466.62035号

计算。统计数据分析。 100, 58-69 (2016).
摘要：提出了一种新的半参数观测驱动波动率模型。与标准半参数广义自回归条件异方差（GARCH）模型相比，误差密度的形式直接影响半参数似然和波动动力学。该估计器可以一致地估计模型的条件伪真参数。基于模拟的证据和对股票回报数据的实证应用证实，与GARCH型模型和准最大似然估计相比，如果误差是致命的并且可能是偏态的，则新的统计模型实现了实质性的改进。

MSC公司：

62-08 统计问题的计算方法
62P05号 统计学在精算科学和金融数学中的应用

关键词：

变易率;广义自回归评分模型;观测驱动模型;核密度估计

软件：

DySco公司
PDF格式BibTeX公司 XML格式引用
\textit｛F.Blasques｝等人，计算机。统计数据分析。10058-69（2016；Zbl 1466.62035）
全文： DOI程序

参考文献：

[1] Akaike，H.，《信息理论与最大似然原理的扩展》，（信息理论国际研讨会，第二届，（1973），亚美尼亚SSR Tsahkarphor），267-281·Zbl 0283.62006号
[2] Akaike，H.，统计模型识别的新视角，IEEE Trans。自动垫。控制，19716-723，（1974）·Zbl 0314.62039号
[3] Akaike，H.，模型和信息标准的可能性，《计量经济学杂志》，16，1，3-14，（1981）·Zbl 0457.62032号
[4] Andres，P.，正值观测值得分驱动模型的最大似然估计计算；dysco软件包Compute。统计师。数据分析。，76, 34-43, (2014) ·Zbl 1506.62004号
[5] 贝利，R.T。；Bollerslev，T.，《每日汇率中的信息：一个条件方差故事》，J.Bus。经济。统计人员。，7, 297-305, (1989)
[6] Bauwens，L。；Laurent，S.，一类新的多元偏态密度，应用于广义自回归条件异方差模型，J.Bus。经济。统计人员。，23, 3, 346-354, (2005)
[7] Blasques，F.、Koopman，S.J.、Lucas，A.，2014a。广义自回归得分模型的最大似然估计。廷伯根研究所讨论文件14-029/III·Zbl 1309.60034号
[8] 布拉斯克斯，F。；科普曼，S.J。；Lucas，A.，单变量广义自回归评分过程的平稳性和遍历性，电子。J.Stat.，81088-1112，（2014年）·Zbl 1309.60034号
[9] 布拉斯克斯，F。；科普曼，S.J。；Lucas，A.，《连续反应的观测驱动时间序列模型的信息论优化》，生物特征识别，（2015），即将出版·Zbl 1452.62620号
[10] Bollerslev，T.，广义自回归条件异方差，《计量经济学杂志》，31，3，307-327，（1986）·Zbl 0616.62119号
[11] Bougerol，P.，（随机系数和收缩的卡尔曼滤波，Elie Cartan研究所出版，（1993），南希大学）
[12] Creal，D.D。；科普曼，S.J。；Lucas，A.，《时变波动率和相关性的动态多元重尾模型》，J.Bus。经济。统计人员。，29552-563（2011年）
[13] Creal，D.D。；科普曼，S.J。；Lucas，A.，广义自回归评分模型及其应用，J.Appl。计量经济学，28，5，777-795，（2013）
[14] 克雷亚尔，D。；施瓦布，B。；科普曼，S.J。；Lucas，A.，《观察驱动的混合计量动态因子模型》，《经济学评论》。统计，96，5，898-915，（2014）
[15] Drost，F.C。；Klaassen，C.A.J.，半参数GARCH模型中的有效估计，计量经济学，81，1，193-221，（1997）·Zbl 0944.62120号
[16] Engle，R.F.，英国通货膨胀方差估计的自回归条件方差，计量经济学，50，4987-1007，（1982）·兹伯利0491.62099
[17] Engle，R.F.，《动态条件相关性》，J.Bus。经济。统计人员。，20, 3, 339-350, (2002)
[18] 恩格尔，R.F。；Gonzalez-Rivera，G.，半参数ARCH模型，J.Bus。经济。统计人员。，9, 345-359, (1991)
[19] 恩格尔，R.F。；Lilien，D。；Robins，R.，《估计期限结构中的时变风险溢价：ARCH-M模型》，《计量经济学》，55，391-407，（1987）
[20] 弗朗克·C。；扎科伊安，J.-M.，《GARCH模型：结构、统计推断和金融应用》，（2010年），威利
[21] Glosten，L。；Jagannathan，R。；Runkle，D.，《关于股票正常超额收益率的期望值和波动性之间的关系》，J.Finance，481779-1801，（1993）
[22] 古里鲁，C。；蒙福特，A。；Trogon，A.，《测试嵌套或非嵌套假设》，《计量经济学杂志》，83-115，（1983）·Zbl 0551.62075号
[23] Harvey，A.C.，波动率和重尾的动态模型，（2013），剑桥大学出版社·Zbl 1326.62001号
[24] 哈维，A.C。；Luati，A.，《重尾过滤》，J.Amer。统计师。协会，1091112-1122，（2014）·Zbl 1368.62251号
[25] 李，S.-W。；Hansen，B.E.，GARCH（1,1）拟最大似然估计的渐近理论，计量经济学理论，10，1，29-52，（1994）
[26] 林惇，O。；Mammen，E.，用核平滑方法估计半参数GARCH（（infty））模型，计量经济学，73，3771-836，（2005）·Zbl 1153.91798号
[27] 卢卡斯，A。；施瓦布，B。；Zhang，X.，有条件欧元区主权违约风险，J.Bus。经济。统计人员。，32, 2, 271-284, (2014)
[28] Lumsdaine，R.L.，IGARCH（1，1）和协方差平稳GARCH（1，L）模型中拟最大似然估计的一致性和渐近正态性，计量经济学，64，3，575-596，（1996）·Zbl 0844.62080号
[29] Nelson，D.，《资产收益的条件异方差：一种新方法》，《计量经济学》，59347-370，（1991）·Zbl 0722.62069号
[30] 噢，D.H.，巴顿，A.，2013年。时变系统风险：来自CDS利差动态copula模型的证据。杜克大学讨论论文。
[31] Pagan，A.R。；Schwert，G.W.，有条件股票波动的替代模型，计量经济学杂志，45267-290，（1990）
[32] 帕甘，A。；Ullah，A.，《非参数计量经济学》（1999），剑桥大学出版社
[33] Pötscher，B.M。；Prucha，I.R.，动态非线性计量经济模型：渐近理论，（1997），Springer-Verlag·Zbl 0923.62121号
[34] Shephard，N.，《随机波动性：精选读数》（2005），牛津大学出版社·邮编1076.60005
[35] 孙，Y。；Stengos，T.，非对称GARCH模型的半参数有效自适应估计，《计量经济学杂志》，133，1，373-386，（2006）·Zbl 1345.62122号
[36] 塔皮亚，R.A。；汤普森，J.R.，非参数概率密度估计，（1978），约翰霍普金斯大学出版社，巴尔的摩·Zbl 0449.62029号
[37] Weiss，A.A.，ARCH模型的渐近理论：估计和检验，计量经济学理论，2，1，107-131，（1986）
[38] White，H.，估算、推断和规范分析，（1994），剑桥大学出版社，纽约·Zbl 0860.62100号
[39] Yang，L.，外汇波动的半参数GARCH模型，《计量经济学杂志》，130，2，365-384，（2006）·Zbl 1337.62335号
[40] Zakoian，J.，阈值异方差模型，J.Econom。发电机。控制，18931-955，（1994）·Zbl 0806.90018号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。