چکیده
در این مقاله، برآورد نیمه پارامتری مدل (ARCH) ناهمگونی شرطی اتورگرسیو را با روش های برآورد (AQL) شبه احتمال تقریبی و (QL) شبه احتمال انجام می دهیم. روش QL مفروضات توزیعی فرایندهای ARCH را کاهش می دهد. تکنیک AQL از روش QL بدست می آید زمانی که واریانس شرطی روند ناشناخته است. کاربردی از روش ها را برای مجموعه ای از نسبت های مبادله روزانه ارائه می کنیم.
5. خلاصه
در این مقاله، براورد پارامترهای مدل های ARCH توسط دو رویکرد جایگزین ارائه می شود. مقاله نشان می دهد که رویکردهای تخمین QL و AQL یک روش کارآمد برای براورد پارامترهای ناشناس ارائه می کند در حالی که ساختار احتمال از مدل اساسی ناشناخته است. همچنین، ابزار قدرتمندی در دستیابی به براورد نقطه بهینه پارامترها در مدل-های همبسته همچون مدل ARCH ارائه می شود.
Abstract
In this paper, we conduct semi-parametric estimation for autoregressive conditional heteroscedasticity (ARCH) model with Quasi likelihood (QL) and Asymptotic Quasi-likelihood (AQL) estimation methods. The QL approach relaxes the distributional assumptions of ARCH processes. The AQL technique is obtained from the QL method when the process conditional variance is unknown. We present an application of the methods to a daily exchange rate series.
5. Summary
In this paper, the estimation of the parameters in ARCH models has been presented by two alternative approaches. The article has shown that the QL and AQL estimating procedures provide an efficient approach for estimating the unknown parameter when the exactly probability structure of underlying model is unknown. It will provide a robust tool for obtaining optimal point estimate of parameters in heteroscedastic models, like ARCH model.
چکیده
1. مقدمه
2. برآورد پارامتر مدل ARCH(q) با استفاده از روش های QL و AQL
2.1. روش QL
2.2 روش AQL
2.3 براورد پارامتر ARCH(q) با استفاده از روش QL
2.4 براورد پارامتر مدل ARCH(q) با استفاده از روش AQL
3 مطالعه شبیه سازی
3.1 براورد پارامتر مدل ARCH(1) با استفاده از روش QL
3.2 براورد پارامتر مدل ARCH(1) با استفاده از روش AQL
4 کاربرد مدل ARCH
5 خلاصه
منابع
Abstract
1. Introduction
2. Parameter estimation of ARCH(q) model using the QL and AQL methods
2.1. The QL method
2.2. The AQL method
2.3. Parameter estimation of ARCH(q) model using the QL method
2.4. Parameter estimation of ARCH(q) model using the AQL method
3. Simulation study
3.1. Parameter estimation of ARCH(1) model using the QL method
3.2. Parameter estimation of ARCH(1) model using the AQL method
4. Application to ARCH model
5. Summary
References