Detecting multiple change points in linear models with heteroscedasticity
异方差线性模型中的多重变点检测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：摘要直接研究回归参数结构变化，并明确将方法用于解释性资产定价模型的稳定性检验。
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
异方差线性模型中的多重变点检测
- 研究问题
- 当线性回归的误差与协变量存在异方差、误差又弱依赖且非平稳时，如何检测参数的多个变点并控制第一类错误？
- 方法与思路
- 作者建立残差 CUSUM 过程加权泛函的渐近结果，允许误差方差突变或平滑变化，据此调整检验并加入有限样本修正。
- 材料陈述的贡献
- 摘要称调整后的检验在模拟中能较好检测多个参数变点并控制第一类错误，并用于预测回归与解释性资产定价模型稳定性检验。
- 阅读关注点
- 应核对弱依赖与异方差条件、加权和有限样本修正方式，以及全局稳定性检验与多个变点定位之间的具体衔接。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未列明渐近条件、临界值和检测精度，模拟表现不能保证任意非平稳情形有效。
原文摘要
The problem of detecting change points in the parameters of a linear regression model with errors and covariates exhibiting heteroscedasticity is considered. Asymptotic results for weighted functionals of the cumulative sum (CUSUM) processes of model residuals are established when the model errors are weakly dependent and non-stationary, allowing for either abrupt or smooth changes in their variance. These theoretical results illuminate how to adapt standard change point test statistics for linear models to this setting. We studied such adapted change-point tests in simulation experiments, along with a finite sample adjustment to the proposed testing procedures. The results suggest that these methods perform well in practice for detecting multiple change points in the linear model parameters and controlling the Type I error rate in the presence of heteroscedasticity. We illustrate the use of these approaches in applications to test for instability in predictive regression models and explanatory asset pricing models.