COVARIATE-AUGMENTED CUSUM BUBBLE MONITORING PROCEDURES
协变量增强的累积和泡沫监测程序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：摘要研究资产价格爆炸性的实时序列监测，并显式处理时变创新波动，涉及时间序列与金融波动率。
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
协变量增强的累积和泡沫监测程序
- 研究问题
- 当资产价格生成过程包含动态协变量和时变波动时，如何修正实时累积和泡沫监测，使无爆炸性假设下的误报率得到控制？
- 方法与思路
- 作者在累积和统计量中纳入相关动态协变量，沿用既有渐近越界函数控制误报率，并用核方差估计量处理创新的时变波动。
- 材料陈述的贡献
- 摘要称忽略动态协变量的基础程序可能连渐近误报率也无法控制；纳入协变量可恢复控制，并可能提升有限样本泡沫检测概率。
- 阅读关注点
- 应核对协变量的动态结构和纳入方式、越界函数沿用的条件、方差估计的带宽，以及误报控制与检测速度的取舍。
- 阅读边界
- 仅据所给 Crossref 版本摘要，协变量条件、监测窗口和改善幅度未说明；检测提升仅表述为可能，也不能推断刊本变化。
原文摘要
We explore how information from covariates can be incorporated into the CUSUM-based real-time monitoring procedure for explosive asset price bubbles developed in Homm and Breitung (2012, Journal of Financial Econometrics 10, 198–231). Where dynamic covariates are present in the data generating process (DGP), the false positive rate (FPR) of the basic CUSUM procedure, which is based on the assumption that prices follow a univariate DGP, under the null of no explosivity will not, in general, be properly controlled, even asymptotically. In contrast, accounting for these relevant covariates in the construction of the CUSUM statistics leads to a procedure whose FPR can be controlled using the same asymptotic crossing function as employed by Homm and Breitung (2012). Doing so is also shown to have the potential to significantly increase the chance of detecting an emerging bubble episode in finite samples. We additionally allow for time-varying volatility in the innovations driving the model through the use of a kernel-based variance estimator.