Quantile cointegration in the autoregressive distributed-lag modeling framework
自回归分布滞后框架中的分位数协整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：摘要明确研究时间序列协整和短期动态，并将估计与检验扩展到多个分位点。
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…
自回归分布滞后框架中的分位数协整
- 研究问题
- 如何把自回归分布滞后框架扩展到分位数回归，从而在不同分位点上联合分析短期动态与长期协整关系？
- 方法与思路
- 作者构建分位数自回归分布滞后模型，推导渐近理论，并提供在单个分位点内及不同分位点之间开展估计和检验的框架。
- 材料陈述的贡献
- 摘要称该框架支持跨分位点研究短期与长期关系，以Monte Carlo模拟检验理论结果，并用美国股利政策应用展示用途。
- 阅读关注点
- 应核对协整和动态设定所需条件、长期系数的定义、分位点内及跨分位点检验，以及滞后选择和模拟设计。
- 阅读边界
- 仅依据所给出版社摘要，未核对其他版本；摘要未给出具体渐近条件、应用结果，也未明确所称一般框架是否包含可用软件。
原文摘要
Xiao (2009) develops a novel estimation technique for quantile cointegrated time series by extending Phillips and Hansen’s (1990) semiparametric approach and Saikkonen’s (1991) parametrically augmented approach. This paper extends Pesaran and Shin’s (1998) autoregressive distributed-lag approach into quantile regression by jointly analyzing short-run dynamics and long-run cointegrating relationships across a range of quantiles. We derive the asymptotic theory and provide a general package in which the model can be estimated and tested within and across quantiles. We further affirm our theoretical results by Monte Carlo simulations. The main utilities of this analysis are demonstrated through the empirical application to the dividend policy in the US.