Consistent Estimation of Multiple Breakpoints in Dependence Measures
依赖度量中多个断点的一致估计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依赖结构的多个断点及 AR–GARCH 过滤后的变化检测。
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…
依赖度量中多个断点的一致估计
- 研究问题
- 如何一致检测基于 copula 的依赖度量中的多个断点，并在序列经过 AR–GARCH 过滤后估计断点位置与数量？
- 方法与思路
- 作者研究传统二元分割及随机二元分割方法，在理论分析中显式考虑 AR–GARCH 过滤效应，并通过 copula 模拟与股票数据应用比较。
- 材料陈述的贡献
- 摘要称证明二元分割的断点位置和数量估计一致性，并以因子及 Clayton copula 模拟展示方法的优势与局限及真实依赖变化。
- 阅读关注点
- 应核对断点间距、变化幅度与过滤误差的条件，区分两种分割法获得的理论保证，并检查依赖度量选择及断点解释。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；一致性具体条件未说明，也未明确随机二元分割享有同样证明，不能推断断点成因或刊本变化。
原文摘要
This article proposes different methods to consistently detect multiple breaks in copula-based dependence measures. Starting with the classical binary segmentation, also the more recent wild binary segmentation (WBS) is considered. For binary segmentation, consistency of the estimators for the location of the breakpoints as well as the number of breaks is proved, taking filtering effects from AR-GARCH models explicitly into account. Monte Carlo simulations based on a factor copula as well as on a Clayton copula model illustrate the strengths and limitations of the procedures. A real data application on recent Euro Stoxx 50 data reveals some interpretable breaks in the dependence structure.