Outlier Detection in Cointegration Analysis
协整分析中的异常值检测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：摘要明确讨论单位根、协整以及结构突变对检验的影响，并定位异常事件，因此涉及时间序列与结构变化。
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
协整分析中的异常值检测
- 研究问题
- 标准单位根与协整检验容易受异常值和结构突变影响，如何判断协整结论是否可能由少数异常观测驱动，并定位异常事件？
- 方法与思路
- 作者采用抗异常值估计开展协整分析，并由稳健估计量为各观测计算权重，据此识别异常事件的大致发生时间。
- 材料陈述的贡献
- 摘要称，稳健协整检验可提示标准结论可能受少数异常观测驱动，并通过模拟、蒙特卡洛实验及实证例子评估方法。
- 阅读关注点
- 应核对稳健估计与检验的构造、利用权重识别异常的规则，以及模拟中异常值和结构突变的设置与对照检验。
- 阅读边界
- 摘要未说明稳健性的适用条件、模拟结果数值及实证数据；权重提供的是异常事件的日期线索，不能据此确认其成因。
原文摘要
Standard unit-root and cointegration tests are sensitive to atypical events such as outliers and structural breaks. In this article, the authors use outlier-robust estimation techniques to examine the impact of these events on cointegration analysis. Their outlier-robust cointegration test provides a new diagnostic tool for signaling when standard cointegration results might be driven by a few aberrant observations. A main feature of the authors' approach is that the proposed robust estimator can be used to compute weights for all observations, which in turn can be used to identify the approximate dates of atypical events. The authors evaluate their method using simulated data and a Monte Carlo experiment. The authors also present an empirical example showing the usefulness of the proposed analysis.