Mode Identification of Volatility in Time-Varying Autoregression
时变自回归模型中波动方差函数的峰数识别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：摘要明确研究非平稳时变自回归过程及方差函数检验，属于时间序列方法，未提供金融应用依据。
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
时变自回归模型中波动方差函数的峰数识别
- 研究问题
- 对于可用时变自回归过程描述的非平稳时间序列，如何检验方差函数的局部峰形，并通过重复检验识别整体峰数？
- 方法与思路
- 作者提出局部峰形检验，通过迭代使用识别多个峰；检验涉及自回归参数函数的非参数估计，并研究其零假设分布。
- 材料陈述的贡献
- 摘要称，在适当假设下，检验在零假设下渐近分布无关；模拟和真实数据应用展示了该方法的表现及峰识别用途。
- 阅读关注点
- 应核对局部零假设的定义、平滑参数选择、渐近分布无关所需条件，以及迭代检验的停止规则和整体错误率处理。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；适当假设、峰数识别保证和模拟数值均未说明。
原文摘要
In many applications, time series exhibit nonstationary behavior that might reasonably be modeled as a time-varying autoregressive (AR) process. In the context of such a model, we discuss the problem of testing for modality of the variance function. We propose a test of modality that is local and, when used iteratively, can be used to identify the total number of modes in a given series. This problem is closely related to peak detection and identification, which has applications in many fields. We propose a test that, under appropriate assumptions, is asymptotically distribution free under the null hypothesis, even though nonparametric estimation of the AR parameter functions is involved. Simulation studies and applications to real datasets illustrate the behavior of the test.