结构突变的柯尔莫哥洛夫–斯米尔诺夫型检验：一种新的基于调整值域的自正则化方法

摘要

时间序列分析中一种流行的自正则化（SN）方法以部分和的方差作为自正则化因子。众所周知，这种方法对持续自相关、异方差、单位根和异常值等不规则性较为敏感。本文提出一种基于部分和调整值域的新型自正则化方法，对上述不规则性具有稳健性。我们针对单变量与多变量时间序列，发展了基于调整值域的柯尔莫哥洛夫–斯米尔诺夫（KS）型结构突变检验，并考虑了时间序列回归框架下的参数恒定性检验。我们的方法能够纠正现有自正则化 KS 检验中广为人知的功效下降问题，而无需像 Shao and Zhang (2010) 那样使用前向与后向求和；同时也能缓解使用现有 SN 方法（Shao, 2010; Zhang et al., 2011; Wang and Shao, 2022）时出现的「水平更好但功效更低」的现象。此外，所提出的检验还能适用于更一般的备择假设。蒙特卡洛模拟与实证研究表明了本方法的优势。

此外，我还就本文主持了一场 Quantinar 网络研讨会，可在此观看：
结构突变的柯尔莫哥洛夫–斯米尔诺夫型检验：一种新的基于调整值域的自正则化方法

推荐引用： Hong, Y., Linton, O., McCabe, B., Sun, J., & Wang, S. (2024). "Kolmogorov-Smirnov type testing for structural breaks: A new adjusted-range-based self-normalization approach." Journal of Econometrics, 238(2), 105603.
下载论文 | 下载 BibTeX