Semiparametric error-correction models for cointegration with trends: Pseudo-Gaussian and optimal rank-based tests of the cointegration rank
含趋势协整模型的伪高斯与局部最优秩检验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。
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：摘要明确研究带共同趋势的协整误差修正模型及协整秩检验，直接对应时间序列，未涉及冲击响应或预测应用。
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…
含趋势协整模型的伪高斯与局部最优秩检验
- 研究问题
- 在具有共同趋势、创新独立同分布且呈椭圆分布的误差修正模型中，如何检验协整秩，并提高对创新分布变化的适应性？
- 方法与思路
- 作者构造伪高斯和局部最优的基于秩的检验，允许自由选择参考密度对应的得分函数，并分析模型的渐近统计结构。
- 材料陈述的贡献
- 摘要称检验渐近分布无关；适当得分可达到半参数效率界，高斯得分秩检验一致优于对应伪高斯检验，模拟支持渐近近似。
- 阅读关注点
- 应核对共同趋势与协整秩的设定、椭圆创新条件、得分选择和效率界，以及一致占优采用的比较标准与有限样本表现。
- 阅读边界
- 仅据所给出版社摘要，分布无关结论限于所述模型框架，不能推广至任意创新过程；具体条件、效率比较和模拟数值未说明。
原文摘要
This paper provides pseudo-Gaussian and locally optimal rank-based tests for the cointegration rank in linear cointegrated error-correction models with common trends and i.i.d. elliptical innovations. The proposed tests are asymptotically distribution-free, hence their validity does not depend on the actual distribution of the innovations. The proposed rank-based tests depend on the choice of scores, associated with a reference density that can freely be chosen. Under appropriate choices they are achieving the semiparametric efficiency bounds; when based on Gaussian scores, they moreover uniformly dominate their pseudo-Gaussian counterparts. Simulations show that the asymptotic analysis provides an accurate approximation to finite-sample behavior. The theoretical results are based on a complete picture of the asymptotic statistical structure of the model under consideration.