长记忆时间序列均值变点的比率检验

本文基于两种比率方法研究了长记忆时间序列均值变点的检验问题,在无变点原假设下推导出了检验统计量的极限分布,在备择假设下证明了检验方法的一致性.由于检验统计量的极限分布依赖未知的长记忆参数,还提出了一种避免估计长记忆参数的Sieve AR Bootstrap方法来近似计算检验统计量的临界值,数值模拟结果表明提出的检验方法具有较好的检验效果.最后通过分析一组尼罗河年径流量数据说明了方法的可行性.     

面板数据均值渐变变点的Ratio检验

为解决时间序列因观测时间较短而难以确定变点的问题，通过分析独立同分布序列面板数据，对其均值的渐变变点进行检验.假设面板数据中每条时间序列的均值在同一时刻发生变化，提出Ratio检验统计量，并分别在原假设与备择假设下给出检验统计量的极限性质.数值模拟结果表明，面板数据的检验效果优于单条时间序列，实例分析也验证了该方法的有效性与实用性.     

长记忆时间序列趋势项变点的CUSUM检验

本文研究长记忆时间序列趋势项的变点检验问题.基于最小二乘拟合残差构造了一种新的CUSUM型检验统计量,在无变点原假设下证明了检验统计量的极限分布是I型分数布朗运动的泛函,在备择假设下证明了检验统计量的一致性,并提出用Sieve Bootstrap方法确定检验统计量的临界值来避免精确估计冗余参数.数值模拟结果表明,提出的新方法在原假设下能较好地控制检验水平,在备择假设下能达到满意的检验势.     

厚尾序列均值变点的非参数检验

目的 考虑稳定系数为κ的厚尾分布的均值变点检验问题.方法 利用非参数检验方法.结果 基于Wilcoxon秩和统计量,构造出了相应的检验统计量.结论 得到了原假设下统计量的渐近分布,并证明了在备择假设下统计量的相合性.     

厚尾相依序列均值变点Ratio检验

研究具有无穷方差的厚尾相依序列均值存在变点的问题。采用Ratio检验法研究序列在原假设无变点及备择假设存在一个变点的假设检验问题,首先基于残差的累积和函数建立检验统计量,在适当的假设条件下,给出检验统计量在原假设下的极限分布,并对统计量的一致性检验进行了推导证明,最后通过数值模拟验证Ratio检验法的有效性。     

一种线性过程方差变点的比率检验

针对现有的用于线性过程中方差变点的比率检验存在势过低的问题,提出了一种新的检验统计量.同时研究了该统计量在原假设下的渐近分布以及备择假设下的渐近性质.此外提出一种新的变点估计方法,建立了该变点估计方法的收敛性和收敛速度.蒙特卡罗模拟表明了该统计量在样本量大小适中时比原统计量具有更好的经验水平和更高的势,所提出的估计方法也具有一致性.最后通过实例分析验证了该方法的有效性.     

非参数趋势项时间序列自协方差函数的变点检测

本文主要考虑带有非参数趋势项时间序列的自协方差函数的变点检测问题.本文采用局部多项式对趋势项进行拟合,并对去除趋势项后的时间序列,通过累积和(CUSUM)统计量进行变点分析.在GMC条件及一些正则性假设下,我们讨论了检验统计量在原假设和备择假设下的渐近性质及检验的相合性.实证方面,我们运用0-5阶的局部多项式分别对带有AR(1)误差的模型进行估计,并进行变点检测.通过检验水平和经验功效的比较分析,验证了有限样本下检验方法的有效性.     

基于经验欧氏似然的线性回归模型变点检测

基于截断的经验欧氏似然比对线性回归模型中的系数变点进行检验与估计.首先建立线性回归系数变点模型,根据其特点构造截断的经验欧氏似然比检验函数,证明在零假设下,该检验统计量的极限分布与经典参数对数似然比检验统计量的极限分布相同,利用此极限分布对变点存在与否做出诊断,若变点存在,则给出变点位置的估计,并证明在一定条件下,该估计是具有相合性的,数值模拟结果以及实例分析表明文中提出的方法具有有效性和实用性.     

基于block bootstrap的厚尾相依序列均值变点检验

针对无穷方差重尾相依序列的均值变点检验问题,基于序列自正则方法构造CUSUM型统计量,并在原假设下得到其渐近分布,在备择假设下得到检验的容许性。由于其渐近分布依赖于尾指数κ,且考虑到序列之间具有相依性,提出基于残差的block bootstrap方法。蒙特卡洛模拟表明该检验统计量和该抽样方法的有效性。     

关于股票数据波动性的多变点研究

目前对金融时间序列模型结构变化问题主要集中于对单变点的研究,但在许多情况下,金融数据可能出现多个变点,因此,对实际问题的研究需要检验多变点的存在,需要对变点的个数以及变点发生的时刻作出估计.本文讨论了股票数据均值的多变点检验问题.在原假设下给出统计量的极限分布及渐近临界值的解析表达式.并且在递归检验的过程中同时得到变点时刻与变点个数估计.最后用实例分析说明了方法的有效性.     

基于稳定分布的ARCH模型均值检验变点

目的讨论噪声项是稳定分布的ARCH模型的均值变点检验,其中特征指数κ∈(1,2)。方法引入残量平方累积和统计量,在原假设条件成立时,证明其极限分布是Levy过程的泛函。结果蒙特卡罗数值模拟结果表明:统计量的势函数值不仅对样本容量及特征指数敏感,也依赖于均值变点的跳跃幅度。结论残量累积和统计量能有效地检验基于稳定分布的ARCH模型均值变点。     

长相依均值渐变模型的Ratio检验

利用Ratio检验方法,给出随机误差为长相依过程的均值渐变变点检验统计量,并证明了该检验量在原假设及备择假设下的极限分布。最后,通过Monte Carlo模拟说明检验的有效性。     

多元正态向量变点在线监测

针对多元时间序列均值向量变点发生时刻靠后的情况,文章通过采用引入窗宽参数h的方法,构造残差累积和统计量,使得多元正态均值过程变点位置靠后时能尽早提出预警。在原假设下得到了监测统计量的渐近分布,并在备择假设下证明了该监测统计量的一致性。模拟结果表明引入窗宽参数确实能够提高监测统计量的势,同时能减小平均运行长度。最后将本文的方法应用到生产实例中,表明该方法具有一定的实践性和有效性。     

一种相依极小p值统计量概率分布的近似计算方法

极小p值统计量常用于多重检验问题,其显著性在各个检验不独立的情形下计算复杂度过高.在单个假设的检验统计量联合服从多元正态分布,且检验统计量之间非负相关的假设下,检验统计量之间的相关系数的均值可以作为检验统计量相关性的度量.基于这个度量给出了一个计算极小p值统计量的分布函数的近似方法.模拟结果表明该方法计算简便,具有较高的逼近精度.     

正态分布均值变点的小波检验和估计

本文探究的是方差不变的条件下服从正态分布的随机序列均值变点问题,利用小波方法检测和估计均值变点.考虑存在一个或多个均值变点,利用小波方法构造检测均值变点的统计量,并且估计均值变点的个数、位置以及跳跃度,最后通过模拟仿真验证有限样本下本文方法的有效性.     

分布对称中心的U检验方法

基于构造U统计量提出了检验对称随机变量分布对称中心的一种新的检验统计量,获得了该检验统计量在原假设与备择假设下的极限分布,并用Bootstrap方法来获得检验拒绝域的临界值,对几类重要对称分布下该检验统计量的检验功效进行了比较,说明了该检验统计量的优良性.     

带趋势项的持久性变点的Ratio检验

为研究带趋势项的持久性变点检验问题,表明Ratio统计量适用于带趋势项的I(0)向I(d)过程的转变.在假设条件下,推导其极限分布并证明检验的一致性.通过Monte Carlo方法进行仿真模拟,结果表明,检验方法可以控制经验水平值和势函数值.最后将检验方法用于美国国民实际生产总值数据,验证了检验方法的有效性.     

随机设计下非参数回归模型方差变点检验

目的 研究随机设计下非参数回归模型方差变点检验.方法 用局部多项式方法估计回归曲线得到残差序列,基于残差序列的平方构造CUSUM检验统计量,推导检验统计量的极限分布.结果 在一定条件下证明了原假设下检验统计量收敛于Brown桥的上确界.结论 局部多项式方法同时适用于随机设计与固定设计数值,方法性是有效性的.     

固定设计下时间序列非参数回归模型的方差变点检验

研究固定设计下时间序列非参数回归模型的方差变点检验问题,基于Beta-Bernstein方法估计模型中回归函数,利用残差序列构造CUSUM检验统计量,在一定条件下证明了在原假设下检验统计量收敛于Brown桥的上确界,最后通过数值模拟验证检验方法的有效性.     

几种水文序列变异点诊断方法的性能比较

分别在正态分布和t分布假设下,通过改变样本容量、自由度、变异值、变点位置等参数用模拟试验的方法比较分析了3种常用的水文序列变异点检验方法的检验性能.结果表明,Pettitt检验法对于端点位置的均值变点具有最好的检验效果,BrownForsythe检验法适合小样本数据,秩和检验无明显优势.最后用这3种方法分析了西宁市1951年至2000年3月份的月均降水量序列,发现在1977年存在一个变异点.