TIME-VARYING PARAMETER REGRESSIONS WITH STATIONARY PERSISTENT DATA
平稳持久数据下的时变参数回归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：摘要研究时变参数与长记忆时间序列，并明确应用于已实现方差对 SP500 收益的预测，对应时间序列和收益预测。
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…
平稳持久数据下的时变参数回归
- 研究问题
- 当回归变量平稳但可能具有长记忆时，如何估计时变系数并检验其时间不变性，忽略系数时变又会怎样损害推断？
- 方法与思路
- 作者研究局部常数与局部线性估计，利用参数导数构造时间不变性检验，并通过模拟及已实现方差预测股票收益的应用评价方法。
- 材料陈述的贡献
- 摘要称，忽略时变系数在长记忆下可使推断严重失效；应用发现截距时变，以及 TVP 设定下已实现方差的阶段性收益预测能力。
- 阅读关注点
- 应核对平稳长记忆的允许范围、系数平滑性和带宽条件，并厘清参数检验在原假设下发散的设定及收益可预测性的检验方式。
- 阅读边界
- 仅据所给 Crossref 版本摘要，样本期间、预测是否在样本外及效果大小未说明，不能认定稳定预测能力或推断其他版本变化。
原文摘要
We consider local level and local linear estimators for estimation and inference in time-varying parameter (TVP) regressions with general stationary covariates. The latter estimator also yields estimates for parameter derivatives that are utilized for the development of time invariance tests for the regression coefficients. Our theoretical framework is general enough to allow for a wide range of stationary regressors, including stationary long memory. We demonstrate that neglecting time variation in the regression parameters has a range of adverse effects in inference, in particular, when regressors exhibit long-range dependence. For instance, parametric tests diverge under the null hypothesis when the memory order is strictly positive. The finite sample performance of the methods developed is investigated with the aid of a simulation experiment. The proposed methods are employed for exploring the predictability of SP500 returns by realized variance. We find evidence of time variability in the intercept as well as episodic predictability when realized variance is utilized as a predictor in TVP specifications.