Robust testing for explosive behavior with strongly dependent errors
强依赖误差下爆炸性行为的稳健检验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。
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：摘要研究强依赖、长记忆与异方差误差下的爆炸根检验及时间定位。
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
强依赖误差下爆炸性行为的稳健检验
- 研究问题
- 金融或实物资产价格方程的误差具有强依赖时，如何稳健检验爆炸根，并识别爆炸性时期的开始与结束？
- 方法与思路
- 作者构造异方差与自相关稳健检验，建立并扩展其极限理论至异方差模型，同时研究长记忆误差下的时期定位。
- 材料陈述的贡献
- 摘要称，相比强依赖下可能失真的常规检验，新检验具有稳定尺寸表现，并可在相应条件下一致定位爆炸时期。
- 阅读关注点
- 核对强依赖与长记忆的具体定义、检验临界值的构造，以及时期定位一致性所需的信号强度与误差条件。
- 阅读边界
- 仅据所给出版社摘要，不能确定适用的依赖强度范围或有限样本误差；标普指数示例也不足以验证任何价格预测结论。
原文摘要
A heteroskedasticity-autocorrelation robust (HAR) test statistic is proposed to test for the presence of explosive roots in financial or real asset prices when the equation errors are strongly dependent. Limit theory for the test statistic is developed and extended to heteroskedastic models. The new test has stable size properties unlike conventional test statistics that typically lead to size distortion and inconsistency in the presence of strongly dependent equation errors. The new procedure can be used to consistently time-stamp the origination and termination of an explosive episode under similar conditions of long memory errors. Simulations are conducted to assess the finite sample performance of the proposed test and estimators. An empirical application to the S&P 500 index highlights the usefulness of the proposed procedures in practical work.