Pair copula constructions of point-optimal sign-based tests for predictive linear and nonlinear regressions
预测回归中基于成对Copula构造的点最优符号检验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：摘要聚焦具有持久解释变量、序列依赖扰动的线性与非线性预测回归检验。
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
预测回归中基于成对Copula构造的点最优符号检验
- 研究问题
- 当预测回归解释变量内生且持久、扰动存在非线性序列依赖和复杂波动时，如何构造有效且具有较高功效的符号检验？
- 方法与思路
- 作者以成对Copula刻画符号过程的依赖结构，构造线性及非线性预测回归检验，并用分样本选择备择、反演参数置信域。
- 材料陈述的贡献
- 摘要称检验在重尾、非标准误差及异质持久波动下精确有效，且模拟中的检验水平与功效比较支持所提程序的优势。
- 阅读关注点
- 应核对精确有效性对符号分布及依赖结构的要求、Copula估计方式，以及分样本选取备择如何影响检验水平与功效。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未列明精确性条件和模拟范围，不能解释为对任意内生性或误差均有效。
原文摘要
We propose pair copula constructed point-optimal sign tests in the context of linear and nonlinear predictive regressions with endogenous, persistent regressors, and disturbances exhibiting serial (nonlinear) dependence. The proposed approach entails considering the entire dependence structure of the signs to capture the serial dependence, and building feasible test statistics based on pair copula constructions of the sign process. The tests are exact and valid in the presence of heavy tailed and nonstandard errors, as well as heterogeneous and persistent volatility. Furthermore, they may be inverted to build confidence regions for the parameters of the regression function. Finally, we adopt an adaptive approach based on the split-sample technique to maximize the power of the test by finding an appropriate alternative hypothesis. In a Monte Carlo study, we compare the performance of the proposed "quasi"-point-optimal sign tests based on pair copula constructions by comparing its size and power to those of certain existing tests that are intended to be robust against heteroskedasticity. The simulation results maintain the superiority of our procedures to existing popular tests.