Cointegrating rank selection in models with time-varying variance
时变方差模型中的协整秩选择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：摘要研究协整秩选择，并明确允许误差方差的结构断裂或时间演化。
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
时变方差模型中的协整秩选择
- 研究问题
- 当协整系统的误差具有短记忆成分且方差随时间变化或发生断裂时，常用信息准则能否一致选择协整秩，惩罚项应如何设置？
- 方法与思路
- 作者在半参数降秩回归中允许非参数短记忆误差及变化的波动率，分析信息准则的秩选择极限性质，并提供汇率数据应用。
- 材料陈述的贡献
- 摘要称，惩罚系数趋于无穷且相对样本量趋于零时，标准信息准则弱一致；同时给出 AIC 不一致的结论及其极限分布。
- 阅读关注点
- 应核对误差与方差变化的允许形式、惩罚项条件及弱一致性的证明，并检查汇率应用中的协整设定和实际准则选择。
- 阅读边界
- 仅据所给出版社摘要，无法判断任意方差断裂或长记忆误差是否被覆盖，也未提供汇率应用结果及各准则的小样本误选率。
原文摘要
Reduced rank regression (RRR) models with time varying heterogeneity are considered. Standard information criteria for selecting cointegrating rank are shown to be weakly consistent in semiparametric RRR models in which the errors have general nonparametric short memory components and shifting volatility provided the penalty coefficient Cn→∞ and Cn/n→0 as n→∞. The AIC criterion is inconsistent and its limit distribution is given. The results extend those in Cheng and Phillips (2009a) and are useful in empirical work where structural breaks or time evolution in the error variances is present. An empirical application to exchange rate data is provided.