Semiparametrically point-optimal hybrid rank tests for unit roots
单位根的半参数点最优混合秩检验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：摘要明确研究单位根模型及其半参数检验，属于时间序列方法。
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…
单位根的半参数点最优混合秩检验
- 研究问题
- 研究如何在创新密度未知时构造具有正确渐近水平的单位根检验，并利用秩信息改善非高斯创新下的检验功效。
- 方法与思路
- 作者利用单位根模型的局部渐近布朗泛函极限实验中的不变性，结合观测增量的秩、均值与参考创新密度，另提出简化版本。
- 材料陈述的贡献
- 摘要称，参考密度正确时检验点最优且近乎有效；一般参考密度下建立 Chernoff–Savage 型比较结果，并提出避免非参数估计的版本。
- 阅读关注点
- 应核对创新分布条件、参考密度的选取和点最优针对的备择，尤其区分原检验的理论功效比较与简化版本的模拟证据。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。简化版本的 Chernoff–Savage 型结果仅由模拟展示；摘要未给出全部正则条件。
原文摘要
We propose a new class of unit root tests that exploits invariance properties in the Locally Asymptotically Brownian Functional limit experiment associated to the unit root model. The invariance structures naturally suggest tests that are based on the ranks of the increments of the observations, their average and an assumed reference density for the innovations. The tests are semiparametric in the sense that they are valid, that is, have the correct (asymptotic) size, irrespective of the true innovation density. For a correctly specified reference density, our test is point-optimal and nearly efficient. For arbitrary reference densities, we establish a Chernoff–Savage-type result, that is, our test performs as well as commonly used tests under Gaussian innovations but has improved power under other, for example, fat-tailed or skewed, innovation distributions. To avoid nonparametric estimation, we propose a simplified version of our test that exhibits the same asymptotic properties, except for the Chernoff–Savage result that we are only able to demonstrate by means of simulations.