MétaCan
Menu
Retour à la cohorte
Enregistrement W1975137172 · doi:10.1080/07474938.2011.553538

Bootstrap Unit Root Tests in Models with GARCH(1,1) Errors

2011· article· en· W1975137172 sur OpenAlexaff
Nikolay Gospodinov, Ye Tao

Notice bibliographique

RevueEconometric Reviews · 2011
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Risk and Volatility Modeling
Établissements canadiensNational Circus SchoolConcordia University
Organismes subventionnairesnon disponible
Mots-clésHeteroscedasticityUnit rootAutoregressive conditional heteroskedasticityMathematicsMonte Carlo methodEconometricsSample size determinationStatisticsUnit root testAsymptotic analysisAsymptotic distributionCointegrationEstimator

Résumé

récupéré en direct d'OpenAlex

This article proposes a bootstrap unit root test in models with GARCH(1,1) errors and establishes its asymptotic validity under mild moment and distributional restrictions. While the proposed bootstrap test for a unit root shares the power enhancing properties of its asymptotic counterpart (Ling and Li, Citation2003), it offers a number of important advantages. In particular, the bootstrap procedure does not require explicit estimation of nuisance parameters that enter the distribution of the test statistic and corrects the substantial size distortions of the asymptotic test that occur for strongly heteroskedastic processes. The simulation results demonstrate the excellent finite-sample properties of the bootstrap unit root test for a wide range of GARCH specifications.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,085
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,085
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,315
Tête enseignante GPT0,285
Écart entre enseignants0,031 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconometric ReviewsMême sujetFinancial Risk and Volatility ModelingTravaux en français237 207