Extremal Dependence-Based Specification Testing of Time Series
基于极端依赖的时间序列模型设定检验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。
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：摘要研究时间序列残差的极端依赖检验，并用股票数据说明其对风险预测的重要性，支持这两个方向。
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
基于极端依赖的时间序列模型设定检验
- 研究问题
- 条件位置—尺度模型的标准化残差即使没有明显常规自相关，是否仍存在尾部序列依赖，如何据此检测模型设定问题？
- 方法与思路
- 作者比较不同滞后下残差的预渐近尾部 Copula 与序列独立时的对应量，构造 Portmanteau 型统计量并推导极限分布。
- 材料陈述的贡献
- 摘要称，检验具有不含干扰参数的渐近分布；模拟与标普五百成分股应用显示，它能发现常规自相关检验遗漏的残差依赖。
- 阅读关注点
- 核对尾部阈值与滞后阶数选择、参数估计对残差尾部统计的影响、极限分布适用条件，以及检验发现与风险预测的联系。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明阈值条件及具体检验功效，检出尾部依赖不能直接确定失配来源。
原文摘要
We propose a specification test for conditional location--scale models based on extremal dependence properties of the standardized residuals. We do so comparing the left-over serial extremal dependence -- as measured by the pre-asymptotic tail copula -- with that arising under serial independence at different lags. Our main theoretical results show that the proposed Portmanteau-type test statistics have nuisance parameter-free asymptotic limits. The test statistics are easy to compute, as they only depend on the standardized residuals, and critical values are likewise easily obtained from the limiting distributions. This contrasts with extant tests (based, e.g., on autocorrelations of squared residuals), where test statistics depend on the parameter estimator of the model and critical values may need to be bootstrapped. We show that our test performs well in simulations. An empirical application to S&P 500 constituents illustrates that our test can uncover violations of residual serial independence that are not picked up by standard autocorrelation-based specification tests, yet are relevant when the model is used for, e.g., risk forecasting.