Detections of changes in return by a wavelet smoother with conditional heteroscedastic volatility
条件异方差波动下利用小波平滑检测收益变化AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究回归函数跳跃和变化点，并允许滞后因变量与混合性解释变量，对应结构变化和时间序列。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
条件异方差波动下利用小波平滑检测收益变化
- 研究问题
- 在存在异方差、滞后因变量及混合性解释变量的非参数回归中，如何检测函数跳跃，并估计变化位置与跳跃幅度？
- 方法与思路
- 作者提出小波系数的积分与离散化估计量，据其渐近分布构造跳跃检验，并用小波系数估计变化点和跳跃大小。
- 材料陈述的贡献
- 摘要称，论文建立检验统计量的渐近分布与解析临界值，给出变化点及幅度的一致性和收敛率，并提供模拟与应用。
- 阅读关注点
- 应核对异方差与混合性条件、小波和分辨率的选择、跳跃检测的适用范围，以及变化点估计收敛率所需条件。
- 阅读边界
- 所给出版社摘要未列出具体条件、收敛率或检验尺寸和功效数值；股票收益与短期利率实例不能证明普遍检测优势。
原文摘要
In this paper, we propose two estimators, an integral estimator and a discretized estimator, for the wavelet coefficient of regression functions in nonparametric regression models with heteroscedastic variance. These estimators can be used to test the jumps of the regression function. The model allows for lagged-dependent variables and other mixing regressors. The asymptotic distributions of the statistics are established, and the asymptotic critical values are analytically obtained from the asymptotic distribution. We also use the test to determine consistent estimators for the locations of change points. The jump sizes and locations of change points can be consistently estimated using wavelet coefficients, and the convergency rates of these estimators are derived. We perform some Monte Carlo simulations to check the powers and sizes of the test statistics. Finally, we give practical examples in finance and economics to detect changes in stock returns and short-term interest rates using the empirical wavelet method.