A wavelet method for panel models with jump discontinuities in the parameters
参数存在跳跃不连续的面板模型：小波方法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：摘要直接提出多重参数突变的面板估计方法，分别对应面板数据与结构变化研究。
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…
参数存在跳跃不连续的面板模型：小波方法
- 研究问题
- 在大型面板模型中，如何自动识别不同斜率参数各自发生的多次未知时间突变，并在存在内生解释变量时进行估计？
- 方法与思路
- 作者将 Haar 小波调整为适合观测变量结构的形式以检测参数断点，同时提出处理内生解释变量的方法，并建立估计量的渐近性质。
- 材料陈述的贡献
- 摘要称，该方法能一致检测变化点，无需人为选择子样本；应用考察金融危机前后算法交易对流动性和波动率等市场质量指标的影响。
- 阅读关注点
- 应核对面板维度的渐近设定、断点间距和跳跃幅度要求、小波调整机制，以及内生性处理与不同系数断点的区分方式。
- 阅读边界
- 摘要未列出内生性处理所需条件、断点检测精度或具体应用结果；仅凭摘要不能将算法交易的回归关系认定为因果效应。
原文摘要
While a substantial literature on structural break change point analysis exists for univariate time series, research on large panel data models has not been as extensive. In this paper, a novel method for estimating panel models with multiple structural changes is proposed. The breaks are allowed to occur at unknown points in time and may affect the multivariate slope parameters individually. Our method adapts Haar wavelets to the structure of the observed variables in order to detect the change points of the parameters consistently. We also develop methods to address endogenous regressors within our modeling framework. The asymptotic property of our estimator is established. In our application, we examine the impact of algorithmic trading on standard measures of market quality such as liquidity and volatility over a time period that covers the financial meltdown that began in 2007. We are able to detect jumps in regression slope parameters automatically without using ad-hoc subsample selection criteria.