基于M估计强混合重尾序列结构变点的鲁棒检验

针对强混合重尾序列结构变点的检测问题,为避免因序列重尾性导致最小二乘估计产生偏差,文章提出了基于M估计的比值型检验统计量,用于检测重尾序列位置结构变点。在一般约束条件下证明了原假设下统计量的极限分布是布朗运动的泛函,并得到备择假设下的一致性。针对因序列相依性导致的经验水平扭曲现象,采用Block Bootstrap抽样方法获得了更为准确的临界值,有效提高了检验功效。数值模拟结果显示,在Block Bootstrap抽样方法下基于M估计的比值型检验在强混合重尾序列结构变点检测中能较好地控制经验水平,经验势也较合理。最后,通过一组汇率数据验证了所提检验方法的可行性。

含均值结构变点时间序列的贝叶斯单位根检验

针对ADF和PP检验对含有均值结构变点时间序列的“伪检验”问题,文章基于贝叶斯理论,先运用贝叶斯因子模型选择的方法检测时序结构变点位置,再在结构变点已知的情况下运用置信区间和贝叶斯因子两种方法检验序列是否存在单位根,并用Monte Carlo模拟方法进行仿真,验证该方法的有效性。研究发现:是否考虑均值结构变点对时间序列的单位根检验有着重要的影响,不考虑结构突变而进行常规的单位根检验会产生误判;贝叶斯方法能够有效检测含有均值结构变点时间序列的变点位置,并能提高单位根检验功效。

非参数回归模型均值函数结构变点的检测与应用

本文将一类系统参数变点检测问题转化为非参数回归模型均值函数结构变点的检测问题.针对当非参数模型均值函数跃度的长期均值为零时,残量累积和(cumulative sum,CUSUM)统计量无效的问题,首先利用均值函数的核估计构造新统计量,给出了原假设和备择假设下统计量的极限分布;进一步构造Bootstrap检验,证明了Bootstrap检验的一致性;最后以模拟结果表明新方法明显优于已有的方法,并应用于两类实际数据分析,说明方法的有效性.

运用结构变点理论的人民币均衡汇率研究

文章在Elbadawi模型基础上,选取了生产率、贸易条件(TOT)、开放度(OPEN)、政府消费(GOVEXP)等四个基本经济要素来分析人民币均衡汇率,分析了这四个基本经济要素与人民币汇率的相互关系。通过单位根检验,发现TOT、OPEN、GOVEXP都是非平稳序列,所以将采取协整分析来拟合模型。通过结构变点检验发现1993年的确是结构变点,同时拟合出含有结构变点和不含结构变点的两个协整方程,通过比较发现含有结构变点的方程拟合效果更好一些。

利率期限结构的突变效应:多结构变点协整分析

基于预期理论,运用多结构变点协整回归模型检验利率期限结构。通过考察2002年1月至2014年12月间的长期利率与短期利率,发现在多结构变点存在的前提下,动态OLS协整检验发现长、短期利率之间存在长期协整关系。计算得出的协整向量与理论值有一定差距,说明预期理论仅局部成立。多结构变点检验显示,在样本期间,利率期限结构总共发生了四次结构变点,解释变量的系数符号也发生了反复改变。经过分析发现,宏观经济走势、利率市场化改革、汇率波动以及2008年的全球金融危机是结构变点存在的重要原因。

含结构变点无限方差序列的伪回归检验

基于最小二乘回归理论,研究了含结构变点无限方差序列的伪回归检验.结果表明,对两列含结构变点无限方差序列进行线性回归分析时,当两序列尾部指数之和小于1.5时,无论结构变点位置是否相同,t检验统计量均发散,导致伪回归现象的出现.究其原因,结构变点增加了回归误差的持久性,从而产生伪回归.蒙特卡罗数值模拟结果表明,伪回归现象不仅受序列尾部指数的影响,且对结构变点的位置敏感.

国债期货价格波动溢出效应研究——基于结构变点理论的实证

本文在结构突变理论框架下,考察结构突变点对国债期货波动溢出效应的影响。研究发现,在变点前,无论是短期还是长期,国债期货市场和现货市场间具有双向波动溢出效应,国债现货市场对国债期货市场的波动溢出效应大于国债期货对现货市场的溢出效应。在变点后,国债现货和国债期货间具有双向短期波动溢出效应,且国债期货对国债现货市场波动溢出效应比变点前样本大;国债现货对期货市场有长期波动溢出效应,而国债期货对现货市场不存在长期波动溢出效应。

基于遗传算法的多结构变点检测及其应用

文章基于贝叶斯后验推理及遗传算法研究了线性回归模型多结构变点的变点检测方法,其中变点的数量和位置均未知。首先引入参数的无信息先验并基于后验分布得到变点信息的贝叶斯后验概率;然后基于后验概率定义一个施瓦兹-贝叶斯信息准则并应用遗传算法快速得到变点的个数及其位置,通过数值模拟验证了新方法的有效性和计算的快速性;最后,将所提方法应用于气象时序数据和股票交易价格两个实际数据的多变点检测问题,得到了有意义的结果。

共同因子对面板数据结构变点的偏移效应

针对传统面板数据结构变点检验忽略了截面相关问题,文章提出主成分与投影矩阵相结合的偏移效应计算方法,并通过中国经济增长和对外贸易展开实证应用。研究发现:共同因子使得面板数据结构变点估计发生偏移,偏移大小与共同作用力强弱有关;研究偏移效应有助于分析区域经济发展对重大政策调整的响应程度,识别结构变点发生的潜在周期。

带有结构变点的长记忆模型的实证研究

运用改进的Tapered对数周期图方法对带有结构变点的长记忆模型的参数和变点进行估计,对上证指数的波动性进行长记忆检验及变点讨论,研究结果表明,上证指数的波动率序列同时具有显著的长记忆特性以及结构变点。

中国进出口额与对外直接投资额关系的结构变点研究

随着中国企业"走出去"和"一带一路"倡议的实施,中国对外直接投资和进出口贸易均迅速增长。文章采用变结构协整模型对1982—2015年中国进出口额与对外直接投资关系进行了实证研究。结果表明,出口额和进口额与对外直接投资额的结构变点分别为1995年和2001年,且两组关系都只在结构变点之后的序列存在协整关系。出口额与对外直接投资长期为互补关系,短期为替代关系;进口额与对外直接投资无论长期、短期均为互补关系。

长记忆时间序列的均值单变点估计

文章采用拟极大似然法估计了一类长记忆时间序列模型的单均值变点,在变点大小固定和变点收缩两种情形下分析了估计量的渐近性质。研究发现,变点大小与长记忆性之间存在一种权衡关系。具体而言,当变点大小固定时,变点估计量是不相合的,而变分点估计量是T-相合的;当变点收缩时,变点估计量的收敛速度依赖于记忆参数d,估计量的极限分布得以推导。最后,蒙特卡洛实验和实证分析验证了所提理论结果的有限样本表现。

股指期货的价格发现机制:基于结构变点分析框架

价格发现机制与股指期货市场的运行效率相关联。依据股指期货市场存在推出阶段的客观事实,推断该市场与股指现货市场之间的关系可能存在结构性变点。实证结果显示:在变点前,由于投资者的习惯性秉持等相关联原因,股指期货表现出对股指现货的日间引导关系。但由于机构投资未充分参与等原因,股指期货市场至今未成熟。相对而言,股指现货市场更有效率,从而在变点后,股指现货表现出对期货的日间引导关系。

结构变点、时变期限溢价与预期假说——来自国内银行同业拆借利率的证据

在考虑时变期限溢价的基础上,本文采用结构变点方法,对中国银行同业拆借利率进行预期假说检验,并分析宏观经济因素对预期假说检验的影响。经验结果显示,1996年1月至2011年4月,银行同业拆借利率在不同区间存在共同的趋势性,长短期利差对未来短期利率变动的预测存在多个结构变点;不同区间内预期假说基本上被拒绝,时变期限溢价对预期假说检验的影响不大,而宏观因素在不同区间的影响不同。

一类面板模型中部分结构变点的检测和估计

给出了解决面板回归模型中存在未知部分结构变点时的检测、估计和推断问题的新方法,得到了结构变点的相合估计及渐近分布。基于最小二乘方法构造全局最小残差平方和,并用于检测结构变点。该方法适用于纯结构变点模型和部分结构变点模型,并且即使面板数据只有很少的个体,估计的相合性也可保证。Monte Carlo模拟结果验证了理论的正确性。基于中国股票市场上参与股改的404家工业企业的实证研究表明:应首先检测结构变点是否存在,然后才能分析解释数据;忽略检测结构变点会产生有偏估计,甚至出现伪回归。

非参数模型均值函数结构变点的Bootstrap检测

本文检测非参数回归模型均值函数结构变点,针对均值函数跃度的长期均值为零时,基于残量的CUSUM统计量对均值函数结构变点检验无效的问题,本文提出了一种基于均值函数的核估计的检验统计量,得到统计量在原假设和备择假设下的极限分布,并构造Bootstrap方法对非参数回归模型均值函数结构变点进行检验,证明了检验和估计的一致性;模拟结果表明本文方法明显优于已有方法。

基于Pairwise惩罚方法的面板数据模型结构变点估计

面板数据模型在经济、生物、统计等领域有着广泛的应用。经典的面板数据模型假设解释变量系数不随时间变化。然而在现实中,解释变量系数可能会因多种因素的影响而存在多重未知的结构变点。本文假设交互固定效应面板数据模型中含有多重未知的结构变点。研究发现通过Pairwise惩罚的参数估计方法在目标函数中增加对相邻时间解释变量系数的惩罚项,能够同时进行参数估计和结构变点诊断。蒙特卡洛模拟结果显示,不管是否存在同方差假设,该方法估计的解释变量系数均偏差较小且结构变点诊断错误率低。

含有变结构点的面板循序检验方法研究

针对含有变结构点的面板数据易产生"伪单位根"现象,提出面板循序检验方法:首先给出检验模型和检验步骤,其次通过Monte Carlo模拟得到检验统计量的临界值,最后结合我国各地区的GDP数据进行实证分析。研究发现:中国GDP数据为带有结构突变的趋势平稳序列。

生产函数规模报酬与结构性变点估计

基于C-D生产函数模型,采用改进最小二乘法检验规模报酬和结构性变点。首先,在最小二乘估计程序中加入规模报酬不变的约束,然后通过Wald统计量检验约束和无约束模型的差异性,以确定规模报酬情况。进行样本区间划分,在全样本区间和分段样本区间参数估计之后,通过Chow统计量检验参数的差异性,以确定结构性变点。以我国1980-2007年的数据为例,规模报酬是变化的,1986年和1994年均为结构性变点。

一种截断小样本的时变Copula模型的变结构点的诊断方法

利用 Copula 函数对时间序列相关性的独特优势,进行二元正态 Copula-GARCH(1,1)建模,提出了将整体时间序列的样本截断成小样本,用t 检验判断变结构点的诊断方法.并以上证指数和深证成指为实证样本,研究两者发生显著变化的时刻.研究结果表明该方法能敏锐地捕捉金融市场的风险测度.