Testing for multivariate volatility functions using minimum volume sets and inverse regression
基于最小体积集合与逆回归的多变量波动函数检验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。
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：摘要虽提出通用回归函数检验，但明确将主要研究和金融数据应用集中在异方差、微笑效应及波动函数设定上。
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
基于最小体积集合与逆回归的多变量波动函数检验
- 研究问题
- 如何在不直接估计多变量非参数回归函数的情况下，检验波动函数是否恒定、具有浴盆形状，或符合给定参数模型？
- 方法与思路
- 作者将累积和分别与最小体积集合及逆回归思路结合，构造两类非参数检验，并用相关诊断图辅助考察函数特征。
- 材料陈述的贡献
- 摘要称方法可检验异方差、波动微笑效应及参数波动模型，研究了其渐近行为，并通过模拟和真实金融数据展示可行性。
- 阅读关注点
- 应核对两类检验的统计量、集合构造与逆回归步骤，渐近结果的条件，以及诊断图如何对应各类待检验的函数特征。
- 阅读边界
- 仅据所给出版社摘要，无法判断高维适用性、检验功效或相较其他方法的优势；摘要未说明具体金融样本和数值结果。
原文摘要
We propose two new types of nonparametric tests for investigating multivariate regression functions. The tests are based on cumulative sums coupled with either minimum volume sets or inverse regression ideas; involving no multivariate nonparametric regression estimation. The methods proposed facilitate the investigation for different features such as if a multivariate regression function is (i) constant, (ii) of a bathtub shape, and (iii) in a given parametric form. The inference based on those tests may be further enhanced through associated diagnostic plots. Although the potential use of those ideas is much wider, we focus on the inference for multivariate volatility functions in this paper, i.e. we test for (i) heteroscedasticity, (ii) the so-called 'smiling effect', and (iii) some parametric volatility models. The asymptotic behavior of the proposed tests is investigated, and practical feasibility is shown via simulation studies. We further illustrate our methods with real financial data.