FrançaisEnglish

Érudit | Dépôt de documents >
CIRANO - Centre interuniversitaire de recherche en analyse des organisations >
Cahiers scientifiques >

Please use this identifier to cite or link to this item:

https://depot.erudit.org/id/000416dd

Title: Quadratic M-Estimators for ARCH-Type Processes
Authors: Meddahi, Nour
Renault, Éric
Issue Date: 1998-01
Publisher: Centre interuniversitaire de recherche en analyse des organisations (CIRANO)
Series/Report no.: Série scientifique (CIRANO);98s-29
Scientific series (CIRANO);98s-29
Abstract: Cet article s'intéresse à l'estimation des modèles semiparamétriques de séries temporelles définis par leur moyenne et variance conditionnelles. Nous mettons en exergue l'importance de l'utilisation jointe des restrictions sur la moyenne et la variance. Ceci amène à tenir compte de la covariance entre la moyenne et la variance ainsi que de la variance de la variance, autrement dit la skewness et la kurtosis. Nous établissons les liens directs entre les méthodes paramétriques usuelles d'estimation, à savoir l'EPMV (Estimateur du Pseudo Maximum de Vraisemblance), les GMM et les M-estimateurs. L'EPMV usuel est, dans le cas de la non-normalité, moins efficace que l'estimateur GMM optimal. Néanmoins, l'EPMV bivarié basé sur le vecteur composé de la variable dépendante et de son carré est aussi efficace que l'estimateur GMM optimal. Une analyse Monte Carlo confirme la pertinence de notre approche, en particulier l'importance de la skewness.

This paper addresses the issue on estimating semiparametric time series models specified by their conditional mean and conditional variance. We stress the importance of using joint restrictions on the mean and variance. This leads to take into account the covariance between the mean and the variance and the variance of the variance, that is the skewness and kurtosis. We establish the direct links between the usual parametric estimation methods, namely the QMLE, the GMM and the M-estimation. The usual univariate QMLE is, under non-normality, less efficient than the optimal GMM estimator. However, the bivariate QMLE based on the dependent variable and its square is as efficient as the optimal GMM one. A Monte Carlo analysis confirms the relevance of our approach, in particular the importance of skewness.
URI: http://www.cirano.qc.ca/pdf/publication/98s-29.pdf
https://depot.erudit.org/id/000416dd
ISSN: 1198-8177
Appears in Collections:Cahiers scientifiques

Files in This Item:

98s-29.pdf (Adobe PDF ; 555,23 kB)

Items in the Repository are protected by copyright, with all rights reserved, unless otherwise indicated.

 

About Érudit | Subscriptions | RSS | Terms of Use | Contact us |

Consortium Érudit ©  2014