Detecting multiple breaks in financial market volatility dynamics
金融市场波动率动态中的多重结构突变检测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。
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：摘要明确涉及资产收益条件方差的多重结构突变，并将高频数据波动率估计量纳入检验对象，支持这三个方向。
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
金融市场波动率动态中的多重结构突变检测
- 研究问题
- 如何检验资产收益条件方差动态是否发生多重结构突变，并识别突变数量与位置，以及评估不同抽样安排下的表现？
- 方法与思路
- 作者比较适用于 ARCH、随机波动率及高频波动率估计量的突变检验，在多种异方差模型与突变设定下研究尺寸和功效。
- 材料陈述的贡献
- 摘要称，所考察统计量可识别多重突变数量和位置；股票及外汇样本发现与亚洲、俄罗斯金融危机相关的波动率动态变化。
- 阅读关注点
- 应核对各检验的原假设、突变类型、数量选择与定位规则，以及模拟抽样方案和危机时期实证结果的解释依据。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断检验具体条件、有限样本数值或定位精度；危机与突变的关联也不能直接解释为因果。
原文摘要
Abstract The paper evaluates the performance of several recently proposed tests for structural breaks in the conditional variance dynamics of asset returns. The tests apply to the class of ARCH and SV type processes as well as data‐driven volatility estimators using high‐frequency data. In addition to testing for the presence of breaks, the statistics identify the number and location of multiple breaks. We study the size and power of the new tests for detecting breaks in the conditional variance under various realistic univariate heteroscedastic models, change‐point hypotheses and sampling schemes. The paper concludes with an empirical analysis using data from the stock and FX markets for which we find multiple breaks associated with the Asian and Russian financial crises. These events resulted in changes in the dynamics of volatility of asset returns in the samples prior and post the breaks. Copyright © 2002 John Wiley & Sons, Ltd.