Detecting Copula Structural Changes: A Smooth Testing Approach
检测Copula结构变化的平滑检验方法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。
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：摘要直接研究多元动态模型创新依赖结构的稳定性与结构变化检验。
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
检测Copula结构变化的平滑检验方法
- 研究问题
- 多元动态模型的创新项Copula是否随时间保持不变，如何在动态参数与边际分布未知时检测依赖结构变化？
- 方法与思路
- 作者以广义傅里叶系数刻画Copula变化并检验其联合显著性，使用估计残差构造统计量，并自动选择基展开截断阶数。
- 材料陈述的贡献
- 摘要称检验具有预言性质、渐近卡方分布和参数速率局部功效，无需自助法或带宽选择，模拟显示稀疏备择下的功效优势。
- 阅读关注点
- 应核对动态与边际估计条件、基函数及截断规则，理解预言性质和局部备择，并检查稀疏与稠密变化的模拟比较。
- 阅读边界
- 这是arXiv v1预印本，不能确认同行评审或接收；理论条件和模拟数值未提供，功效优势不能外推为所有变化模式下的优势。
原文摘要
This paper develops novel smooth tests for structural changes in the innovation copula of multivariate dynamic models. We characterize deviations from copula constancy through a collection of generalized Fourier coefficients and test their joint significance. Under the null hypothesis, estimation of the dynamic parameters and the unknown marginals has no first-order estimation effect on the proposed statistics. Consequently, the feasible tests based on estimated residuals are asymptotically equivalent to their infeasible counterparts based on the unobserved innovations, yielding a desirable oracle property. Our proposed tests are asymptotically $χ^2$-distributed and possess nontrivial power against local alternatives that approach the null at the parametric rate. To enhance the practicability of our methods, we further develop a data-driven procedure that automatically selects the truncation orders of the basis expansions. Unlike existing methods based on empirical copula processes or kernel smoothing, our tests require neither computationally intensive bootstrap procedures nor bandwidth selection. Extensive simulations demonstrate the satisfactory empirical size and power of our proposed tests. In particular, the data-driven test delivers substantial power gains under sparse alternatives, while remaining competitive under dense alternatives. Applications to exchange rates and stock returns further illustrate the practical usefulness of the proposed methods.