LACK-OF-FIT TESTING OF THE CONDITIONAL MEAN FUNCTION IN A CLASS OF MARKOV MULTIPLICATIVE ERROR MODELS
一类马尔可夫乘法误差模型的条件均值失拟检验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：摘要研究马尔可夫乘法误差过程及条件均值动态的设定检验，直接对应时间序列方法。
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…
一类马尔可夫乘法误差模型的条件均值失拟检验
- 研究问题
- 对于描述交易间隔、成交量等正值变量的马尔可夫乘法误差模型，如何检验给定参数条件均值是否存在设定偏差？
- 方法与思路
- 作者对标记经验过程施加特定鞅变换，构造 Kolmogorov–Smirnov 型统计量，并用模拟和两个数据例子展示检验。
- 材料陈述的贡献
- 摘要称检验渐近无分布，对广泛固定备择一致，对根号样本量尺度的局部备择有非平凡功效，且模拟中整体表现较好。
- 阅读关注点
- 应核对马尔可夫结构及条件均值假设、鞅变换的可行计算、局部备择范围，以及模拟比较和两个数据例子的设定。
- 阅读边界
- 仅据所给 Crossref 摘要解读；摘要未说明完整条件、数据例子内容和比较数值，模拟优势不能推广为对所有检验普遍更优。
原文摘要
Abstract The family of multiplicative error models, introduced by Engle (2002, Journal of Applied Econometrics 17, 425–446), has attracted considerable attention in recent literature for modeling positive random variables, such as the duration between trades at a stock exchange, volume transactions, and squared log returns. Such models are also applicable to other positive variables such as waiting time in a queue, daily/hourly rainfall, and demand for electricity. This paper develops a new method for testing the lack-of-fit of a given parametric multiplicative error model having a Markov structure. The test statistic is of Kolmogorov–Smirnov type based on a particular martingale transformation of a marked empirical process. The test is asymptotically distribution free, is consistent against a large class of fixed alternatives, and has nontrivial asymptotic power against a class of nonparametric local alternatives converging to the null hypothesis at the rate of O ( n –1/2 ). In a simulation study, the test performed better overall than the general purpose Ljung–Box Q -test, a Lagrange multiplier type test, and a generalized moment test. We illustrate the testing procedure by considering two data examples.