EconPapers    
Economics at your fingertips  
 

Stationary Density Estimation for ARCH Models with Applications in Quantile Regression

Manuel Darío Hernández-Bejarano and Zhibiao Zhao

Borradores de Economia from Banco de la Republica de Colombia

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 $\sqrt{n}$ 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. **** RESUMEN: 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 $\sqrt{n}$ 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.

Keywords: Density estimation; Functional convergence; Nonparametric kernel density estimator; Nonparametric regression; ARCH models; Estimación de densidad; Convergencia funcional; Estimador de densidad kernel no paramétrico; Regresión no paramétrica; Modelos ARCH (search for similar items in EconPapers)
JEL-codes: C12 C14 (search for similar items in EconPapers)
Pages: 41
Date: 2026-11
References: Add references at CitEc
Citations:

Downloads: (external link)
https://repositorio.banrep.gov.co/bitstream/handle ... 34/11466/be_1376.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:bdr:borrec:1376

Access Statistics for this paper

More papers in Borradores de Economia from Banco de la Republica de Colombia Cra 7 # 14-78. Contact information at EDIRC.
Bibliographic data for series maintained by Clorith Angélica Bahos Olivera ().

 
Page updated 2026-11-22
Handle: RePEc:bdr:borrec:1376