A New Class of Change Point Test Statistics of Rényi Type
一类新的 Rényi 型变点检验统计量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：摘要以变点与回归参数变化检验为核心，并将方法用于 Fama–French 因子模型系数变化，因此归入结构变化与金融因子方向。
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…
一类新的 Rényi 型变点检验统计量
- 研究问题
- 当结构变化发生在样本开端或末端附近时，如何改造累积和检验以提升检测能力，并将该思路推广到回归与矩估计参数变化？
- 方法与思路
- 作者对累积和过程采用受 Rényi 启发的加权与截尾方案，开展渐近分析和模拟，并扩展到线性、非线性回归及广义矩估计。
- 材料陈述的贡献
- 摘要称新统计量在样本端点附近的变点检验中具有更高功效，并在 Fama–French 因子模型应用中更有效地回溯检测端点附近变化。
- 阅读关注点
- 阅读时应核对权重与截尾参数的选取、端点附近变化的渐近设定、回归及矩估计扩展条件，以及因子模型中的比较标准。
- 阅读边界
- 摘要中的优势集中于样本端点附近的变化，未说明中部变点表现、尺寸控制或具体应用结果；不能据此推断所有变点场景均占优。
原文摘要
A new class of change point test statistics is proposed that utilizes a weighting and trimming scheme for the cumulative sum (CUSUM) process inspired by Rényi. A thorough asymptotic analysis and simulations both demonstrate that this new class of statistics possess superior power compared to traditional change point statistics based on the CUSUM process when the change point is near the beginning or end of the sample. Generalizations of these “Rényi” statistics are also developed to test for changes in the parameters in linear and nonlinear regression models, and in generalized method of moments estimation. In these contexts, we applied the proposed statistics, as well as several others, to test for changes in the coefficients of Fama–French factor models. We observed that the Rényi statistic was the most effective in terms of retrospectively detecting change points that occur near the endpoints of the sample.