Combining p-values to test for multiple structural breaks in cointegrated regressions
组合 p 值检验协整回归中的多重结构突变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：摘要以协整回归和向量误差修正模型为基础，检验数量及日期不确定的结构突变，直接对应结构变化与时间序列。
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…
组合 p 值检验协整回归中的多重结构突变
- 研究问题
- 在协整回归中，突变数量和日期不确定且候选检验相互相关时，如何组合检验结果以评估结构稳定性？
- 方法与思路
- 作者通过向量误差修正模型构造检验，以多个突变数量和位置情景扩展似然比检验，再在零假设下模拟完整数据进行组合 p 值调整。
- 材料陈述的贡献
- 摘要称，程序考虑底层检验的相关性并具有渐近有效性；模拟显示有限样本表现良好，另以标普五百价格和股利序列展示应用。
- 阅读关注点
- 应核对各检验的零假设、候选突变情景如何设定、完整数据模拟如何估计干扰参数，以及组合调整控制的具体错误概率。
- 阅读边界
- 仅据所列出版社摘要，候选情景范围、渐近条件和数值结果未说明；避免 Bonferroni 类调整不意味着对任意突变搜索均有效。
原文摘要
We propose a multiple hypothesis testing approach to assess structural stability in cointegrating regressions. Underlying tests are constructed via a Vector Error Correction Model and generalize the reduced rank regression procedures of Hansen (2003). We generalize the likelihood ratio test proposed in Hansen (2003) to accommodate unknown break dates through the specification of several scenarios regarding the number and the location of the breaks. We define a combined p-value adjustment, which proceeds by simulating the entire dataset imposing the relevant null hypothesis. This framework accounts for both correlation of underlying tests and the fact that empirically, parameters of interest often pertain to limited even though uncertain stylized-fact based change points. We prove asymptotic validity of the proposed procedure. Monte Carlo simulations show that proposed tests perform well in finite samples and circumvent Bonferroni-type adjustments. An application to the S&P 500 prices and dividends series illustrates the empirical validity of the proposed procedure.