| 分段平稳自回归过程的变点估计与模型选择——基于改进的自适应LASSO方法 |
| |
| 作者姓名： | 刘杰 陈啸远 吴遵 |
| |
| 作者单位： | 中国科学技术大学管理学院国际金融研究院 |
| |
| 基金项目： | 国家自然科学基金(71771201,71874171,71731010,71631006,71991464)资助； |
| |
| 摘 要： | 针对非平稳时间序列中一类分段平稳自回归(PSAR)过程的变点估计和模型选择问题,在已有的将变点估计问题转化成变量选择问题方法的基础上,提出一种基于两阶段LASSO(TS-LASSO)算法同时进行变点估计和模型选择.具体地,在第一阶段中,通过LASSO算法对序列中的变点和模型进行初步的估计和选择,然后在第二阶段中结合改进的自适应LASSO算法对过估计的LASSO结果进行筛选,最终实现变点的一致估计和模型的准确选择.并对变点估计结果的大样本性质进行了分析.此外,对于特殊情形下的均值变化序列和无变点序列,TS-LASSO算法也能实现有效的估计和识别.最后,结合不同类型序列的模拟检验以及地震波数据的实例分析,证明TS-LASSO算法是有效的,并具有一定的实用意义.
|
| 关 键 词： | 分段平稳自回归 变点估计 模型选择 自适应LASSO |
|
|
