多元金融时间序列的波动率是否发生结构性变化，是风险识别、资产配置与监管预警的重要基础；近年来，全球市场联动增强、极端波动事件增多，金融数据呈现厚尾、异方差与有关结构随时间变化等特征，给传统计量检验方法带来挑战。如何更贴近真实数据分布条件下，可靠识别波动率结构变化，成为计量经济学研究与金融实务共同关注的议题。 在该背景下，厦门大学经济学科吴吉林教授与经济学院统计学与数据科学系2021级博士研究生张梦皙，联合波士顿学院肖志杰教授、山东财经大学张振环副教授完成的论文“Sign-based tests for structural changes in multivariate volatility”近日在Journal of Econometrics正式发表。该刊为国际计量经济学领域顶级期刊之一，也是厦门大学经济学科认定的国际A类期刊。 问题上，现有多元波动率结构变化检验往往依赖较强的矩条件与分布假设，数据存在厚尾、跳跃或异常值时，检验的稳健性和统计功效可能下降；同时，一些检验统计量在备择假设下需要估计长期方差，若估计不准确，容易出现功效损失，导致对“变化已发生”的识别不够敏感。 原因在于，金融市场数据天然带有非正态与尾部风险特征，极端收益与相关性突变并不罕见；此外，多元波动率模型维度高、相关结构复杂，结构变化既可能表现为单个断点，也可能呈现平滑演进或多断点交替，使得传统方法面临更高的模型错设风险与参数不稳定问题。由此，研发在更弱条件下仍能保持有效性的检验框架，成为提升金融风险度量可靠性的关键环节。 针对上述痛点，研究提出基于最小绝对偏差（LAD）回归的一组符号类检验方法，包括“符号累计和检验”和“符号平方和检验”。与常见依赖高阶矩的检验不同，符号信息在厚尾情形下更稳健，有助于降低极端观测对结论的干扰，从而放宽对矩条件的要求。更地，为应对长期方差估计在备择情形下可能不一致导致的功效损失，论文提出两种改进统计量，并采用LAD非参数方法，实现原假设与备择假设下对长期方差的一致估计，增强统计量在不同结构变化形态下的稳定表现。 影响层面，论文在理论上证明，在较为宽松的条件下，上述统计量具有标准的原假设分布，并可有效检验多元波动率中的平滑变化、单断点与多断点等多类固定备择假设，为复杂金融环境下的结构变化识别提供了可推广的工具。研究还通过蒙特卡洛模拟对有限样本表现进行系统比较，结果显示在处理厚尾数据时，新方法整体优于多种常用检验。两项金融数据实证应用进一步验证了其可操作性与有效性，体现出从理论推导到实证检验的闭环路径。 对策层面，该研究提示金融风险管理与宏观审慎分析可更多采用稳健型检验思路：在模型设定与统计推断中减少对理想分布的依赖，强化对尾部风险与异常波动的适配能力；在跨市场、多资产联动监测中，将结构变化检验作为波动率建模与预警体系的重要前置模块，提高对制度变化、政策冲击与外部事件影响的识别效率。对高校与科研机构而言，围绕金融时间序列与风险管理的交叉研究，可增强与国际前沿期刊的学术对话，推动方法创新向应用场景延伸。 前景上，随着高频数据、跨市场联动与多源异构数据加速进入金融研究与监管实践，结构变化检验将面对更复杂的数据生成机制与更高维度的协方差结构。基于稳健统计思想的符号类检验为后续研究提供了方向：一是面向更高维场景的计算与推断可扩展性，二是与机器学习的特征提取、因子结构识别相结合的混合式框架，三是在宏观金融压力测试、系统性风险监测中的标准化应用与评估体系建设。可以预期，兼顾理论严谨性与实践可用性的稳健检验方法，将在金融风险治理中发挥更显著作用。
在全球经济不确定性陡增的今天，这项扎根中国学术土壤的原创性研究，既展示了基础理论创新的持久生命力，更反映了"把论文写在祖国大地上"的科研导向。当抽象的数理公式转化为守护金融安全的实用工具，或许正是对"经世济民"学科精神的最佳诠释。未来——随着数字经济的纵深发展——此类交叉学科突破或将重构风险管理的技术范式。