Nonparametric Testing and Variable Selection for ARCH-m(X) Model
ARCH-m(X) 模型的非参数检验与变量选择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。
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：模型明确研究外生预测变量对金融条件方差的影响，并应用于标普500收益波动率。
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
ARCH-m(X) 模型的非参数检验与变量选择
- 研究问题
- 外生协变量以未知非线性函数影响金融条件方差时，如何检验其显著性，并从多维协变量中识别真正相关的变量集合？
- 方法与思路
- 作者扩展 ARCH-X 模型，以非参数函数描述协变量对条件方差的作用，构造人工单因素方差分析检验，并使用 BY 校正进行变量选择。
- 材料陈述的贡献
- 摘要称，检验统计量在一定正则条件下渐近标准正态，变量选择具有一致性；模拟报告相对优势，并以标普500波动率展示应用。
- 阅读关注点
- 应核对非参数函数与检验统计量的构造、正则条件、变量选择一致性所需设定，以及多重检验校正和比较方法的具体实施。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验。摘要未说明平滑参数、选择一致性的具体条件或模拟数值，优越性仍需全文核对。
原文摘要
We introduce the ARCH-m(X) model, a semiparametric extension of the ARCH-X framework in which the effect of a multivariate exogenous covariate vector X on the conditional variance is modeled through an unknown nonparametric function m(), accommodating complex nonlinear relationships between external predictors and financial volatility. Within this model, we develop a novel hypothesis test for the significance of covariates constructed with an artificial one-way ANOVA. Under some regularity conditions, the test statistic is shown to converge in distribution to the standard Normal. Another key contribution of this paper is the construction of a variable selection procedure based on the Benjamini-Yekutieli false discovery rate correction applied to covariate-level p-values. We show that the resulting index set coincides with the true set of relevant covariates with probability tending to one as n goes to infinity. Extensive simulations confirm that the proposed methods outperform existing competitors, and an empirical application to SP500 return volatility illustrates the practical utility of the proposed variable selection framework.