A Wavelet Method for Panel Models with Jump Discontinuities in the Parameters
参数存在跳跃不连续时的面板模型小波估计方法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：摘要的方法对象是面板模型，并明确处理未知时点的多重参数结构变化。
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…
参数存在跳跃不连续时的面板模型小波估计方法
- 研究问题
- 如何在大型面板模型中识别未知时点的多重结构变化，使不同斜率参数可以分别发生跳跃，并处理解释变量的内生性？
- 方法与思路
- 作者将 Haar 小波调整为适应观测变量结构的形式，以检测参数变化点，同时提出处理内生解释变量的方法并建立估计量的渐近性质。
- 材料陈述的贡献
- 摘要称，该方法能够一致检测变化点，并在算法交易与市场质量应用中自动发现斜率跳跃，无须采用临时设定的子样本划分标准。
- 阅读关注点
- 应核对面板维度的渐近设定、跳跃与变化点条件，以及小波构造、内生性处理和应用中参数变化与经济解释之间的对应关系。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明断点间距、横截面依赖及内生性处理的具体识别条件。
原文摘要
While a substantial literature on structural break change point analysis exists for univariate time series, research on large panel data models has not been as extensive. In this paper, a novel method for estimating panel models with multiple structural changes is proposed. The breaks are allowed to occur at unknown points in time and may affect the multivariate slope parameters individually. Our method adapts Haar wavelets to the structure of the observed variables in order to detect the change points of the parameters consistently. We also develop methods to address endogenous regressors within our modeling framework. The asymptotic property of our estimator is established. In our application, we examine the impact of algorithmic trading on standard measures of market quality such as liquidity and volatility over a time period that covers the financial meltdown that began in 2007. We are able to detect jumps in regression slope parameters automatically without using ad-hoc subsample selection criteria.