Robust tests for parameter change in conditionally heteroscedastic time series models
条件异方差时间序列模型参数变化的稳健检验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。
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：摘要明确研究条件异方差序列的参数变化，并提供比特币应用，分别支持时间序列、结构变化与金融波动率分类。
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
条件异方差时间序列模型参数变化的稳健检验
- 研究问题
- 结构变化与异常值同时存在时，如何检验条件异方差时间序列中的参数变化，避免加性或创新异常值破坏检验表现？
- 方法与思路
- 作者先进行稳健估计与残差截断，再构造基于残差的稳健 CUSUM 及自归一化检验，并分析零假设极限分布与一致性。
- 材料陈述的贡献
- 摘要称为稳健检验提供理论支持，分析朴素检验在两类污染下的失效，并用模拟及比特币数据展示异常值下的表现。
- 阅读关注点
- 全文应核对稳健估计和截断阈值的选择、污染模型、变化类型，以及稳健性与检测功效之间是否存在明显权衡。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列出模型及污染条件，也未报告比特币应用中的具体变化结论。
原文摘要
Structural changes and outliers often coexist, complicating statistical inference. This paper addresses the problem of testing for parameter changes in conditionally heteroscedastic time series models, particularly in the presence of outliers. To mitigate the impact of outliers, we introduce a two-step procedure comprising robust estimation and residual truncation. Based on this procedure, we propose a residual-based robust CUSUM test and its self-normalized counterpart. We derive the limiting null distributions of the proposed robust tests and establish their consistency. We also investigate the breakdown of the naive tests under additive and innovation outlier contamination and provide theoretical support for the robustness of the proposed tests. Simulation results demonstrate the strong robustness of our tests against outliers. Finally, we analyze Bitcoin data to illustrate the practical application.