Consistent Variable Selection for GARCH-X Models
GARCH-X 模型的一致变量选择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：摘要以 GARCH-X 波动率动态的协变量筛选为核心，并应用于标普 500 波动率建模。
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
GARCH-X 模型的一致变量选择
- 研究问题
- 在含外生协变量的 GARCH-X 波动率模型中，如何筛选真正相关的变量，同时控制多重检验产生的错误发现？
- 方法与思路
- 作者构造基于 Wald 型统计量的多重假设检验，结合 Benjamini–Yekutieli 错误发现率程序形成协变量选择规则。
- 材料陈述的贡献
- 摘要称，选择规则渐近恢复正确变量集合，模拟考察不同分布与依赖结构，并用于宏观及商品指标解释标普 500 波动率。
- 阅读关注点
- 应核对变量维数与信号强度要求、Wald 检验的有效性，以及错误发现率控制和一致选集所用阈值之间的关系。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明阈值随样本变化的安排，不能将错误发现率控制等同于一致选择。
原文摘要
In this paper we develop a consistent variable selection procedure for GARCH-X models that identifies the truly relevant exogenous covariates influencing volatility dynamics. The proposed method is based on a multiple hypothesis testing framework with Wald-type test statistics and the Benjamini-Yekutieli False Discovery Rate (FDR) procedure to control the proportion of false discoveries. We establish the consistency of the selection rule, showing that it asymptotically recovers the correct set of covariates as the sample size increases. Monte Carlo simulations across different distributions and dependence structures validate the method's accuracy and robustness. The procedure is applied to modeling the volatility of the SP 500 using macroeconomic and commodity indicators.