Rank-Based Extensions of the Brock, Dechert, and Scheinkman Test
Brock–Dechert–Scheinkman检验的秩扩展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：摘要直接研究时间序列模型创新项的随机性检验，并讨论残差经验过程、参数估计误差和BDS检验扩展。
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…
Brock–Dechert–Scheinkman检验的秩扩展
- 研究问题
- 如何检验一大类时间序列模型的创新项是否具有随机性，并减弱模型参数估计误差及边际分布对检验的影响？
- 方法与思路
- 作者从残差或其秩构造经验过程，以过程泛函形成检验统计量，其中包括经典BDS统计量及其秩版本。
- 材料陈述的贡献
- 摘要称适当条件下极限分布不受估计误差影响，秩统计量的极限分布不依赖边际分布，并报告多类备择下的模拟功效。
- 阅读关注点
- 应核对随机性原假设的定义、允许的时间序列模型和正则条件，以及模拟校准方式与有限样本检验水平。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明。摘要未列出正则条件，极限分布的性质也不等于任意样本下的精确分布保证。
原文摘要
This article proposes new tests of randomness for innovations in a large class of time series models. These tests are based on functionals of empirical processes constructed from either the model residuals or their associated ranks. The asymptotic behavior of these processes is determined under the null hypothesis of randomness. The limiting distributions are seen to be independent of estimation errors under appropriate regularity conditions. Several test statistics are derived from these processes; the classical Brock, Dechert, and Scheinkman statistic and a rank-based analog are included as special cases. Because the limiting distributions of the rank-based test statistics are margin-free, their finite-sample p values can be easily calculated by simulation. Monte Carlo experiments show that these statistics are quite powerful against several classes of alternatives.