Heteroscedasticity and Autocorrelation Robust Structural Change Detection
对异方差和自相关稳健的结构变化检测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：摘要明确研究非平稳时间序列中的结构变化检验及异方差、自相关稳健性。
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
对异方差和自相关稳健的结构变化检测
- 研究问题
- 当时间序列动态具有复杂非平稳性时，如何避免传统结构变化检验混合一阶与二阶变化信号，从而产生偏误判断？
- 方法与思路
- 作者提出统一的 bootstrap 检验程序，处理时间动态中的平滑与突变，通过蒙特卡洛及环境、金融时间序列应用比较表现。
- 材料陈述的贡献
- 摘要称，该程序在一般形式的动态变化下提供一致的检验结果，并在所报告的模拟和应用中比传统检验更可靠。
- 阅读关注点
- 应核对目标结构变化与其他动态变化的区分、非平稳与依赖条件、bootstrap 构造，以及检验尺寸和功效的比较设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化。“一般形式”所覆盖的条件摘要未说明，不能解释为适用于任意非平稳过程。
原文摘要
The assumption of (weak) stationarity is crucial for the validity of most of the conventional tests of structure change in time series. Under complicated nonstationary temporal dynamics, we argue that traditional testing procedures result in mixed structural change signals of the first and second order and hence could lead to biased testing results. The article proposes a simple and unified bootstrap testing procedure that provides consistent testing results under general forms of smooth and abrupt changes in the temporal dynamics of the time series. Monte Carlo experiments are performed to compare our testing procedure with various traditional tests. Our robust bootstrap test is applied to testing changes in an environmental and a financial time series and our procedure is shown to provide more reliable results than the conventional tests.