Persistence-Robust Break Detection in Predictive CoVaR Regressions
预测性 CoVaR 回归中对持久性稳健的结构突变检测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。
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：摘要直接涉及 CoVaR 系统性风险、预测回归结构突变及股权溢价预测应用。
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
预测性 CoVaR 回归中对持久性稳健的结构突变检测
- 研究问题
- 研究分位数与 CoVaR 预测关系随时间变化时，如何检测协变量预测能力的突变，并使检验适用于不同持久性的预测变量。
- 方法与思路
- 作者基于自归一化构造预测分位数和 CoVaR 回归的结构突变检验，分析平稳或近平稳预测变量下的有效性。
- 材料陈述的贡献
- 摘要称检验在上述持久性情形下有效，模拟展示良好有限样本性质，并用股权溢价及系统性风险预测说明用途。
- 阅读关注点
- 应核对平稳与近平稳的参数化定义、突变位置和检验目标，以及自归一化构造、模拟比较和两项应用的拒绝结果。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明完整持久性范围、检验条件及数值，不能外推至所有预测变量过程。
原文摘要
Forecasting risk (as measured by quantiles) and systemic risk (as measured by Adrian and Brunnermeiers's (2016) CoVaR) is important in economics and finance. However, past research has shown that predictive relationships may be unstable over time. Therefore, this paper develops structural break tests in predictive quantile and CoVaR regressions. These tests can detect changes in the forecasting power of covariates, and are based on the principle of self-normalization. We show that our tests are valid irrespective of whether the predictors are stationary or near-stationary, rendering the tests suitable for a range of practical applications. Simulations illustrate the good finite-sample properties of our tests. Two empirical applications concerning equity premium and systemic risk forecasting models show the usefulness of the tests.