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.     

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.     

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。     

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.     

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.     

基于Sieve Bootstrap方法的长记忆过程均值变点的检验

本文提出一个新的统计量来检测长记忆时间序列中可能存在的均值变点,在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.为便于实际应用还提出了一种Sieve Bootstrap方法来近似统计量的临界值.模拟结果表明本文方法不仅可以很好的控制经验水平,而且相比已有均值变点检验的方法经验势也有了一定幅度的提高.     

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。     

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。     

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.     

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.     

基于二元分割的多变点估计

以含有多个均值变点的时间序列数据为研究对象,将最小二乘法与二元分割相结合,提出了最小二乘二元分割方法(LSBS),改进间隔较小时二元分割方法无法检测两个相邻变点的缺点.并对铁路旅客量数据进行实证分析,统计模拟结果显示,改进方法很大程度上提高了多变点估计的准确性.     

基于面板数据均值变点的股市收益率分析

随着经济全球化的迅速发展,各国股市间日指数的结构变化存在明显的联动性。文章针对面板数据,采取基于最小二乘法的均值共同变点检验统计量,利用Monte Carlo模拟出检验统计量的临界值,探讨面板数据均值共同变点的存在性及估计,并对Nasdaq、Xetra DAX、Hang Seng等六大股市的日收益率进行实证分析,分析结果说明了基于均值共同变点理论寻找变点的方法是有效的。     

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.     

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.     

水文时间序列变点识别的一种稳健方法

针对目前水文时间序列变点识别研究中忽略了方法的稳健性,未能充分考虑异常值的影响的不足,提出了利用一种高度稳健的高斯混合密度分解算法来识别水文时间序列中的变点,并以此来研究水文时间序列均值的突变该方法的核心是根据观测到的资料,通过逐步挖掘服从不同正态分布的时间序列分支,将均值变点的识别问题转化为混合正态密度的聚类问题,从而达到估计变点的位置以及自动获得变点的数目估计的目的实例计算结果表明,该方法对含有噪声的时间序列数据,仍能准确识别变点的位置,较好地解决了水文序列变点识别的稳健性问题．     

金融时间序列变点探测的小波模极大值线方法

研究小波变换方法在金融时序分析中模型变点探测的应用,对金融时间序列采用连续小波变换,通过分析小波变换模极大值线对应的时间序列样本点的小波系数特点,提出了金融时间序列变点探测的小波模极大值线方法,并对广义自回归条件异方差均值模型(GARCH-M模型)进行了仿真计算,其结果验证了此方法的实用性和有效性.该方法更能准确定位金融资产收益率波动所发生的具体时刻,有利于金融资产价格异常时点的正确识别与统计建模分析和资产收益率波动的预测.     

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.     

相依误差下非参数回归模型的方差变点Ratio检验

运用Ratio检验方法研究相依误差下非参数回归模型的方差变点检验.首先利用核估计方法估计模型中的回归函数得到残差序列,其次利用残差序列构造Ratio检验统计量,并推导检验统计量的极限分布,最后通过数值模拟验证检验方法的有效性.     

多元正态分布均值向量变点的Bayes检验

本文讨论了多元正态均值向量变点是否存在的检验问题，并给出了检验统计量，检验的临值和检验的势函数。