Identification- and many moment-robust inference via invariant moment conditions
利用不变矩条件实现抗识别不足与多矩条件的推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：核心是通用 GMM 检验理论，系统性风险仅作为应用，摘要不足以确定专门领域方向。
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
利用不变矩条件实现抗识别不足与多矩条件的推断
- 研究问题
- 矩条件数量与样本量同比增长时，连续更新 GMM 目标函数构造的抗识别不足检验如何获得有效的渐近近似？
- 方法与思路
- 作者利用权重矩阵结构，在原假设下矩条件分布满足反射不变性时推导渐近结果，并提出检验调整以达到名义水平。
- 材料陈述的贡献
- 摘要称，在所研究条件下既有检验渐近保守，所提调整可使大样本检验达到名义水平，并提供模型模拟及银行系统性风险应用。
- 阅读关注点
- 应核对反射不变性的定义与成立条件、矩条件维度增长要求，以及保守性结论、调整公式和弱识别下的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未给出具体假设与调整公式，不能把其结论推广到任意高维矩条件。
原文摘要
Identification-robust hypothesis tests are commonly based on the continuous updating GMM objective function. When the number of moment conditions grows proportionally with the sample size, the large-dimensional weighting matrix prohibits the use of conventional asymptotic approximations and the behavior of these tests remains unknown. We show that the structure of the weighting matrix opens up an alternative route to asymptotic results when, under the null hypothesis, the distribution of the moment conditions satisfies a symmetry condition known as reflection invariance. We provide several examples in which the invariance follows from standard assumptions. Our results show that existing tests will be asymptotically conservative, and we propose an adjustment to attain nominal size in large samples. We illustrate our findings through simulations for various linear and nonlinear models, and an empirical application on the effect of the concentration of financial activities in banks on systemic risk.