Nonparametric Test for Volatility in Clustered Multiple Time Series
聚类多时间序列波动率的非参数检验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。
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：摘要直接研究聚类多时间序列的波动率检验，并以全球股票价格说明，因此对应金融波动率及时间序列方法。
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…
聚类多时间序列波动率的非参数检验
- 研究问题
- 多条时间序列存在聚类与传染效应时，如何检验波动率，并缓解依赖渐近分布的参数检验在尺寸与功效上的问题？
- 方法与思路
- 作者提出针对多时间序列波动率的 bootstrap 检验，考虑潜在传染效应，并使用全球股票价格数据展示方法。
- 材料陈述的贡献
- 摘要称，检验在近非平稳情形下仍有正确尺寸；当序列均值平稳且波动集中于较少聚类时，检验功效较高。
- 阅读关注点
- 应核对波动率检验的零假设、聚类定义及重抽样如何保留依赖结构，并检查近非平稳设定与尺寸、功效的评估依据。
- 阅读边界
- 仅据 arXiv 预印本摘要解读，同行评审及期刊接收未经核实；摘要强调表现依赖波动率性质，未给出具体适用条件。
原文摘要
Contagion arising from clustering of multiple time series like those in the stock market indicators can further complicate the nature of volatility, rendering a parametric test (relying on asymptotic distribution) to suffer from issues on size and power. We propose a test on volatility based on the bootstrap method for multiple time series, intended to account for possible presence of contagion effect. While the test is fairly robust to distributional assumptions, it depends on the nature of volatility. The test is correctly sized even in cases where the time series are almost nonstationary. The test is also powerful specially when the time series are stationary in mean and that volatility are contained only in fewer clusters. We illustrate the method in global stock prices data.