Stationary Density Estimation for ARCH Models with Applications in Quantile Regression
Loading...
Borradores de Economía; No.1376
Date published
2026-11-20
Date
Part of book title
ISSN
ISBN
Document language
eng
Las opiniones contenidas en el presente documento son responsabilidad exclusiva de los autores y no comprometen al Banco de la República ni a su Junta Directiva.
The opinions contained in this document are the sole responsibility of the author and do not commit Banco de la República or its Board of Directors.
Abstract
This document studies a more efficient density estimation for the stationary density of nonparametric autoregressive conditional heteroscedastic models. These models are important tools in analyzing time series, specifically in economic and financial applications where the goal is to model and understand the volatility of the statistical data. We demonstrate that, in the presence of an unknown nonparametric variance structure, we can establish the √n convergence rate of the proposed density estimator, improving on the widely used nonparametric kernel density estimator, whose convergence rate is inferior. A numerical study confirms the results. The density estimator is applied to the S\&P 500 Index data. Finally, we showcase a practical implementation of the proposed density estimator in quantile regression. Specifically, we propose to construct a more accurate estimate of the limiting variance of the estimated coefficients in a quantile regression model with errors following a nonparametric autoregressive conditional heteroscedasticity structure. Simulation studies show that using the new density estimator leads to a more accurate estimation of the asymptotic variance compared to the results obtained by using the classical density estimator. To illustrate the application of this methodology in estimating the asymptotic variance, we apply it to the monthly inflation rate of the United States.
Description
Este documento estudia una estimación de la densidad más eficiente para la densidad estacionaria de modelos heterocedásticos condicionales autorregresivos no paramétricos. Estos modelos son herramientas importantes para el análisis de series temporales, especialmente en aplicaciones económicas y financieras, donde el objetivo es modelar y comprender la volatilidad de los datos. Demostramos que, en presencia de una estructura de varianza no paramétrica desconocida, podemos establecer la tasa de convergencia √n del estimador de densidad propuesto, mejorando la tasa de convergencia del estimador de densidad kernel no paramétrico ampliamente utilizado, que es inferior. Un estudio numérico confirma los resultados. El estimador de densidad se aplica a los datos del índice S&P 500. Finalmente, presentamos una implementación práctica del estimador de densidad propuesto en el contexto de regresión cuantílica. Específicamente, proponemos construir una estimación más precisa de la varianza límite de los coeficientes estimados en un modelo de regresión de cuantiles con errores que siguen una estructura de heterocedasticidad condicional autorregresiva no paramétrica. Los estudios de simulación demuestran que el uso del nuevo estimador de densidad permite una estimación más precisa de la varianza asintótica que la obtenida con el estimador de densidad clásico. Para ilustrar la aplicación de esta metodología a la estimación de la varianza asintótica, aplicamos el enfoque propuesto a la inflación mensual de Estados Unidos.
Temática
Citation
URI
https://repositorio.banrep.gov.co/handle/20.500.12134/11466
https://hdl.handle.net/20.500.12134/11466
https://ideas.repec.org/p/bdr/borrec/1376.html
https://doi.org/10.32468/be.1376
https://investiga.banrep.gov.co/es/borradores/be-1376
https://www.banrep.gov.co/es/publicaciones-investigaciones/borradores-economia/estimacion-densidad-estacionaria-modelos
https://hdl.handle.net/20.500.12134/11466
https://ideas.repec.org/p/bdr/borrec/1376.html
https://doi.org/10.32468/be.1376
https://investiga.banrep.gov.co/es/borradores/be-1376
https://www.banrep.gov.co/es/publicaciones-investigaciones/borradores-economia/estimacion-densidad-estacionaria-modelos
Collections
Seleccionar año de consulta:

Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.
Este documento ha sido depositado por parte de el(los) autor(es) bajo la siguiente constancia de depósito






