Model-based asymptotic inference on the effect of infrequent large shocks on cointegrated variables
低频大冲击对协整变量影响的模型化渐近推断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：摘要直接结合协整时间序列与创新中的因子结构，研究大冲击的动态影响。
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
低频大冲击对协整变量影响的模型化渐近推断
- 研究问题
- 在协整系统中，如何同时稳健估计条件均值参数、识别罕见大冲击，并推断这些冲击的即时及长期影响？
- 方法与思路
- 作者将条件均值中的协整与创新中的大冲击因子结构结合，采用准极大似然，并在协整秩和因子阶数给定时建立推断。
- 材料陈述的贡献
- 摘要称可对协整向量、短期参数及冲击载荷和长期影响矩阵各列的方向作卡方渐近推断，并一致检测和分类位置未知的大冲击。
- 阅读关注点
- 应核对罕见冲击的频率及幅度条件、因子方向的识别规范，以及冲击检测和分类如何与均值参数及长期影响估计共同处理。
- 阅读边界
- 出版社摘要明确以协整秩和因子阶数给定为前提，未说明未知时如何处理；方向推断不能据此扩展为全部载荷大小的推断。
原文摘要
Quasi-maximum-likelihood (QML) estimation of a model combining cointegration in the conditional mean and rare large shocks (outliers) with a factor structure in the innovations is studied. The goal is not only to robustify inference on the conditional-mean parameters, but also to find regularities and conduct inference on the instantaneous and long-run effect of the large shocks. Given the cointegration rank and the factor order, [chi]2 asymptotic inference is obtained for the cointegration vectors, the short-run parameters, and the direction of each column of both the factor loading matrix and the matrix of long-run impacts of the large shocks. Large shocks, whose location is assumed unknown a priori, can be detected and classified consistently into the factor components.