-
题名非线性GARCH族的模型平均估计方法
被引量：4
- 1
-
-
作者
姚青松
赵国庆
刘庆丰
-
机构
中国人民大学经济学院
日本国立小樽商科大学商学部
-
出处
《统计研究》
CSSCI
北大核心
2018年第5期119-128,共10页
-
文摘
本文研究了非线性GARCH族的模型平均估计方法,在备选模型集合包含拥有不同模型结构的非线性GARCH族的情况下,本文构建了非线性GARCH族的模型平均估计量,并给出相应的权重选择准则,在一定正则条件下,证明了上述模型平均估计量具有渐近最优性,即渐近实现真实最优的KL偏离度。蒙特卡洛模拟结果表明,在大部分情形下,本文提出的模型平均估计量取得了更小的相对KL偏离值。作为非线性GARCH族的模型平均估计方法的应用,本文对2016年6月1日至2017年6月1日上证指数的日波动率进行估计,与现有模型选择与模型平均估计方法相比较,本文的模型平均估计方法具有更高的精度。
-
关键词
模型平均
非线性GARCH族
渐近最优性
已实现波动率
-
Keywords
Model Averaging
Nonlinear GARCH Family
Asymptotic Optimality
Realized Volatility
-
分类号
O212
[理学—概率论与数理统计]
-
