Change‐Point Detection in the Conditional Correlation Structure of Multivariate Volatility Models
多元波动模型条件相关结构的变点检测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：摘要针对动态多元波动模型的条件相关结构构造变点检验，并讨论金融传染的时间定位，支持波动率与结构变化分类。
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…
多元波动模型条件相关结构的变点检测
- 研究问题
- 在波动率动态变化的非线性多元模型中，如何检测条件相关结构的变点，并据此考察金融危机期间跨市场依赖的变化？
- 方法与思路
- 作者提出半参数 CUSUM 变点检验并推导渐近分布，讨论其在 CCC、DCC、BEKK 等模型中的适用性，以及去波动率处理。
- 材料陈述的贡献
- 摘要称检验在模拟中具有良好的尺寸与功效，适当去波动率可缓解近单位根造成的失真，并用于尝试定位美国向新兴市场的金融传染。
- 阅读关注点
- 阅读全文时应核对渐近理论的具体条件、相关结构变点的定义、去波动率模型选择及近单位根情形，并检查传染日期的估计方式。
- 阅读边界
- 摘要未说明变点定位的不确定性和金融传染的判定标准；相关结构变化本身不足以识别因果传染，模拟表现也受模型设定约束。
原文摘要
We propose semiparametric CUSUM tests to detect a change-point in the correlation structures of nonlinear multivariate models with dynamically evolving volatilities. The asymptotic distributions of the proposed statistics are derived under mild conditions. We discuss the applicability of our method to the most often used models, including constant conditional correlation (CCC), dynamic conditional correlation (DCC), BEKK, corrected DCC, and factor models. Our simulations show that, our tests have good size and power properties. Also, even though the near-unit root property distorts the size and power of tests, de-volatizing the data by means of appropriate multivariate volatility models can correct such distortions. We apply the semiparametric CUSUM tests in the attempt to date the occurrence of financial contagion from the US to emerging markets worldwide during the great recession. Supplementary materials for this article are available online.