TESTS OF THE MARTINGALE DIFFERENCE HYPOTHESIS USING BOOSTING AND RBF NEURAL NETWORK APPROXIMATIONS
基于 Boosting 与径向基神经网络近似的鞅差假设检验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：鞅差限制及其基于动态信息的检验直接涉及时间序列条件均值性质。
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
基于 Boosting 与径向基神经网络近似的鞅差假设检验
- 研究问题
- 如何利用径向基神经网络近似构造鞅差限制检验，并为检验有效性提供理论依据，同时兼顾检验功效与计算成本？
- 方法与思路
- 作者构造基于 RBF 神经网络的新检验，利用既有算法与 boosting 的联系建立理论，并开展模拟及标普成分股应用。
- 材料陈述的贡献
- 摘要称提供了检验有效性的正式理论论证；模拟显示较好的功效，简化 boosting 实现还具有较低的计算成本。
- 阅读关注点
- 应核对鞅差所对应的信息集、网络复杂度和 boosting 停止规则，以及检验尺寸、功效比较与成分股应用的具体设定。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定理论条件和功效优势的范围；摘要未说明成分股应用的具体变量或检验结论。
原文摘要
The martingale difference restriction is an outcome of many theoretical analyses in economics and finance. A large body of econometric literature deals with tests of that restriction. We provide new tests based on radial basis function (RBF) neural networks. Our work is based on the test design of Blake and Kapetanios (2000, 2003a, 2003b). However, unlike that work we provide a formal theoretical justification for the validity of these tests and present some new general theoretical results. These results take advantage of the link between the algorithms of Blake and Kapetanios (2000, 2003a, 2003b) and boosting. We carry out a Monte Carlo study of the properties of the new tests and find that they have very good power performance. A simplified implementation of boosting is found to have desirable properties and small computational cost. An empirical application to the S&P 500 constituents illustrates the usefulness of our new test.