GARCH 建模中的穩健標準誤 (rugarch)

我目前正在進行一些 GARCH 建模，我想知道穩健的標準誤差，我可以從Rugarchfit()的rugarch包中獲得。我找到了一個展示文稿，在第 25 頁上作者說穩健的標準誤差是從 QMLE 估計中獲得的，但沒有進一步的解釋。

我的問題是這些穩健標準誤差的解釋是什麼，也就是說，它們對什麼具有穩健性？我懷疑它們對異變異數具有強韌性，但如果能得到一些確認，我將不勝感激。此外，在實踐中更常見的是報告標準錯誤的非穩健版本還是穩健版本？

編輯：我在這裡找到了有關該主題的其他資訊。基本上，它確認了這些錯誤的穩健性。因此，在 GARCH 模型（關於股票指數回報）的情況下使用它們是否合理的問題？

在第 4 頁的“rugarch”小插圖中提到了穩健的標準錯誤。25. 穩健的標準誤差是由於準最大概似估計 (QMLE) 而不是（正常）最大概似估計 (MLE)。它們對違反分佈假設具有強韌性，例如當假設分佈是正態分佈而真實分佈是學生時 $ t $ . 來源引用了 White “錯誤指定模型的最大概似估計”（1982 年），這是介紹 QMLE 的（著名）論文。

現在，它們合理嗎？粗略地說，如果真實分佈不是特別惡劣，QMLE 將起作用。如果真實分佈與假設分佈一致，QMLE 仍然可以工作，因此不會有太多損失（儘管 MLE 會給出比 QMLE 更窄的信賴區間，這可能很有用）。有關嚴格的處理方法，請參見 White (1982) 的論文或計量經濟學教科書。

引用自：https://quant.stackexchange.com/questions/28120