×
Kim，穆苏普；李桑约尔

基于条件波动率的GARCH创新尾部指数恒常性测试。 （英语） Zbl 1432.62302号

Ann.Inst.Stat.数学。 71，第4期，947-981（2019）.
作者考虑了功率变换和阈值GARCH模型。研究了创新分布尾部指数与过程条件波动率值之间的相互作用。利用变点分析框架对该问题进行了研究。本文设计了一个基于残差的检验来检验尾部指数相对于条件波动率值的稳定性。结果表明，在正则性条件下，检验渐近遵循标准布朗运动的泛函。对谷歌股价和道琼斯指数进行了模拟研究和实际数据分析。
审核人：安德烈·奥伦科（维多利亚州）

引用于1文件

MSC公司：

62米10 统计学中的时间序列、自相关、回归等（GARCH）
62F03型 参数假设检验
62第20页 统计学在经济学中的应用
62P05号 统计学在精算学和金融数学中的应用

关键词：

尾指数的恒常性检验；重尾分布；条件波动率；GARCH模型；PTTGARCH模型

软件：

CAViaR公司
PDF格式BibTeX公司 XML格式引用
\textit{M.Kim}和\textit{S.Lee}，Ann.Inst.Stat.Math。71，第4号，947--981（2019；Zbl 1432.62302）
全文： 内政部

参考文献：

[1] Berkes，I.，Horváth，L.（2004）。GARCH过程中参数估计的效率。《统计年鉴》，32，633-655·兹比尔1048.62082
[2] Billingsley，P.（1968年）。概率测度的收敛性。纽约：Wiley·Zbl 0172.21201号
[3] Bollerslev，T.（1986）。广义自回归条件异方差。《计量经济学杂志》，31，307-327·Zbl 0616.62119号 ·doi:10.1016/0304-4076（86）90063-1
[4] Bollerslev，T.（1987）。投机价格和回报率的条件异方差时间序列模型。《经济统计评论》，31，542-547·doi:10.2307/1925546
[5] Bougerol，P.，Picard，N.（1992年）。GARCH过程和一些非负时间序列的平稳性。《计量经济学杂志》，52，115-127·Zbl 0746.62087号
[6] Carrasco，M.，Chen，X.（2002）。各种GARCH和随机波动率模型的混合和矩特性。计量经济学理论，18，17-39·Zbl 1181.62125号
[7] Chan，N.H.，Deng，S.-J.，Peng，L.，Xia，Z.（2007年）。基于具有重尾创新的GARCH模型的价值-风险区间估计。《计量经济学杂志》，137556-576·Zbl 1360.62500号
[8] Cörgö，M.，Horváth，L.（1997）。变点分析中的极限定理（第18卷）。纽约：Wiley·Zbl 0884.62023号
[9] Deo，C.M.（1973年）。关于强混合序列经验过程的注记。概率年鉴，1870-875·Zbl 0281.60034号 ·doi:10.1214/aop/1176996855
[10] Drees，H.（2003）。相依数据的极端分位数估计，以及金融应用。伯努利，9617-657·Zbl 1040.62077号 ·doi:10.3150/bj/1066223272
[11] Drees，H.、de Haan，L.、Resnick，S.（2000）。如何绘制希尔地块。《统计年鉴》，28，254-274·Zbl 1106.62333号
[12] Eberlein，E.（1984）。绝对正则序列部分和的弱收敛性。统计与概率快报，2291-293·Zbl 0564.60025号 ·doi:10.1016/0167-7152（84）90067-1
[13] Embrechts，P.、Frey，R.、McNeil，A.（2005年）。定量风险管理。普林斯顿金融系列。普林斯顿：普林斯顿大学出版社·Zbl 1089.91037号
[14] Engle，R.F.，Manganelli，S.（2004）。CAViaR：回归分位数的条件自回归风险值。《商业与经济统计杂志》，22367-381。
[15] 恩格尔，R.F.，Ng，V.K.（1993）。衡量和测试新闻对波动性的影响。《金融杂志》，第48期，1749-1778页。
[16] Glosten，L.R.、Jagannathan，R.、Runkle，D.E.（1993）。关于股票名义超额收益率的期望值与波动性之间的关系。《金融杂志》，第48期，1779-1801。
[17] Hall，P.（1982）。关于正则变化指数的一些简单估计。英国皇家统计学会期刊B辑，44，37-42·兹伯利0521.62024
[18] Hansen，B.E.（1994）。自回归条件密度估计。《国际经济评论》，35，705-730·Zbl 0807.62090号 ·doi:10.2307/2527081
[19] Higgins，M.L.，Bera，A.K.（1992年）。一类非线性ARCH模型。《国际经济评论》，33137-158·Zbl 0744.62152号
[20] Xing，T.（1991）。利用相关数据进行尾指数估计。《统计年鉴》，第19期，1547-1569页·Zbl 0738.62026号 ·doi:10.1214/aos/1176348261
[21] Hwang，S.，Basawa，I.（2004）。箱变换阈值GARCH（1,1）过程的平稳性和矩结构。《统计与概率快报》，68，209-220·Zbl 1075.62080号
[22] Hwang，S.，Kim，T.Y.（2004）。ARCH创新的功率变换和阈值建模，以及ARCH结构测试应用。随机过程及其应用，110，295-314·Zbl 1075.62081号
[23] Kim，M.，Lee，S.（2009年）。用帕累托型边际分布检验平稳时间序列的尾部指数变化。伯努利，15，325-356·Zbl 1200.62054号
[24] Kim，M.，Lee，S.（2011年）。相关数据尾部指数的变点测试。梅特里卡，74，297-311·Zbl 1226.62080号
[25] Kim，M.，Lee，S.（2016a）。非线性预期回归及其在价值风险和预期短缺估计中的应用。计算统计与数据分析，94，1-19·Zbl 1468.62101号
[26] Kim，M.，Lee，S.（2016年b）。重尾GARCH型创新的尾指数推断。统计数学研究所年鉴，68，237-267·Zbl 1440.62332号
[27] Kim，M.，Lee，S.（2016c）。利用ASTD和AEPD创新推断位置尺度时间序列模型。未发表的手稿·Zbl 07546450号
[28] Lee，S.，Lee，T.（2011年）。基于高斯混合ARMA-GARCH模型的价值-风险预测。统计计算与模拟杂志，811131-1144·Zbl 1432.62306号
[29] Lee，S.，Noh，J.（2013年）。GARCH模型的分位数回归估计。斯堪的纳维亚统计杂志，40，2-20·Zbl 1259.62080号
[30] Li，C.W.，Li，W.K.（1996）。关于双阈值自回归异方差时间序列模型。应用计量经济学杂志，11，253-274。
[31] Móricz，F.（1983年）。多重级数矩形部分和最大值的一般矩不等式。匈牙利数学学报，41337-346·Zbl 0521.60017号 ·doi:10.1007/BF01961320
[32] Nelson，D.B.（1991）。资产收益的条件异方差：一种新方法。《计量经济学》，59，347-370·兹比尔0722.62069 ·doi:10.2307/2938260
[33] 潘J.、王H.、童H.（2008）。功率变换和阈值GARCH模型的估计和测试。《计量经济学杂志》，142，352-378·Zbl 1418.62345号
[34] 彭磊，姚庆（2003）。ARCH和GARCH模型的最小绝对偏差估计。《生物统计学》，90967-975·Zbl 1436.62439号
[35] Quintos，C.、Fan，Z.、Phillips，P.C.B.（2001）。尾部行为和亚洲危机的结构变化测试。《经济研究评论》，68，633-663·Zbl 0980.62044号
[36] Tweedie，R.L.（1975）。一般状态空间上马氏链遍历性和递归性的充分条件。随机过程及其应用，3385-403·Zbl 0315.60035号 ·doi:10.1016/0304-4149（75）90033-2
[37] Zakoian，J.-M.（1994年）。阈值异方差模型。《经济动态控制杂志》，18931-955·Zbl 0875.90197号 ·doi:10.1016/0165-1889（94）90039-6
[38] Zhu，D.，Galbraith，J.W.（2010）。广义非对称学生t分布及其在金融计量经济学中的应用。《计量经济学杂志》，157297-305·Zbl 1431.62222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。