【摘要】本文研究一类具有多门限结构的条件异方差自回归模型(T-CHARM)的估计和应用。针对门限个数未知以及金融数据的厚尾性质,我们采用最小绝对偏差套索算法(LAD-LASSO)同时估计门限个数和模型的未知参数。该方法在模型误差项四阶矩不存在时仍然有效,放宽了经典LASSO方法在门限模型上的适用场合。蒙特卡洛模拟表明,在门限个数的正确识别率、门限值和波动率参数值的估计方面,LAD-LASSO方法均具有优良的有限样本表现。本文将提出的LAD-LASSO方法结合T-CHAR模型,应用于沪深300指数日度收益率数据的建模和预测。实证结果表明,与采用LAD方法估计的经典GARCH模型相比,本文提出的方法在样本内拟合和样本外预测方面均有优越表现。