Local Gaussian copula inference with structural breaks: testing dependence predictability
结构突变下的局部高斯 Copula 推断：依赖关系可预测性检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究动态依赖关系，并强调对时间不稳定及结构突变的稳健推断。
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…
结构突变下的局部高斯 Copula 推断：依赖关系可预测性检验
- 研究问题
- 当边际动态较灵活且关系随时间不稳定时，如何检验条件 Copula 中依赖结构的可预测性，并构造相应的可靠推断？
- 方法与思路
- 作者结合分布回归与 Copula 链接函数的局部高斯表示构造半参数得分检验，并以多阶段估计量的移动区块自助法重抽样。
- 材料陈述的贡献
- 摘要称该程序无需指定 Copula 家族，能够容纳时间不稳定性，并推导检验统计量的极限分布，以模拟和实证展示有限样本表现。
- 阅读关注点
- 应核对依赖可预测性的零假设、时间不稳定性的形式，以及边际估计误差、局部高斯表示与多阶段自助法有效性的条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明允许的突变类型、具体正则条件、实证场景或有限样本数值。
原文摘要
We propose a score test for dependence predictability in conditional copulas that is robust to temporal instabilities. Our semiparametric procedure accommodates flexible dynamics in the marginal processes and remains agnostic about the copula family by leveraging distributional regression techniques together with a local Gaussian representation of the copula link function. We derive the limiting distribution of our test statistic and propose a resampling scheme based on recent results for the moving block bootstrap of multi-stage estimators. Monte Carlo simulations and an empirical application illustrate the finite-sample performance of our methods.