Optimal Power for Testing Potential Cointegrating Vectors With Known Parameters for Nonstationarity
参数已知的潜在协整向量非平稳性检验的最优功效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：摘要围绕单整变量、协整向量和单位根检验展开，直接属于时间序列方法，预测数据仅作为检验应用。
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…
参数已知的潜在协整向量非平稳性检验的最优功效
- 研究问题
- 当理论给定单整变量之间的潜在协整向量时，如何检验该线性组合是否含单位根，忽略额外信息或不施加已知向量会损失多少功效？
- 方法与思路
- 作者构造具有最优性性质的一族单位根检验，比较常用方法与不施加已知协整向量的功效损失，并据此提出实用检验。
- 材料陈述的贡献
- 摘要称，方法刻画了忽略相关信息和已知向量的功效损失；在Livingston预测误差应用中，新检验拒绝了多数方法未拒绝的单位根假设。
- 阅读关注点
- 核对最优功效所依据的检验问题与条件、已知向量如何进入统计量，以及实用检验的尺寸控制和Livingston应用的具体设定。
- 阅读边界
- 仅据摘要不能判断最优性适用的参数范围、有限样本尺寸或稳健性；拒绝预测误差单位根也不能单独证明价格预测无偏或有效。
原文摘要
Theory often specifies a particular cointegrating vector among integrated variables, and testing for a unit root in the known cointegrating vector is often required. Although it is common to simply use a univariate test for a unit root for this test, it is known that this does not take into account all available information. We show here that in such testing situations, a family of tests with optimality properties exists. We use this to characterize the extent of the loss in power from using popular methods, as well as to derive a test that works well in practice. We also characterize the extent of the losses of not imposing the cointegrating vector in the testing procedure. We apply various tests to the hypothesis positing that price forecasts from the Livingston data survey are cointegrated with prices, and find that although most tests fail to reject the presence of a unit root in forecast errors, the tests presented here strongly reject this (implausible) hypothesis.