采用密度比估计的多窗口变点检测方法

针对基于密度比估计的时间序列变点检测方法受时间窗窗宽限制,识别变点类型单一的问题,利用和发展动态多重过滤算法MFA(multiple filtering algorithm),提出一种多窗口变点检测方法 mDRCPD(multiple window density-ratio change point detection)。将处理后的时间序列按多个时间窗进行适当划分,通过比较相邻时间窗数据的分布差异来识别变点,采用基于密度比估计的相对皮尔逊散度来度量不同时间窗数据分布的差异性;固定窗宽下寻找变点集,并按照MFA方法集成各变点集。模拟实验和实证分析表明,与基于密度比的单窗口变点检测方法相比,mDRCPD方法在多变点时间序列变点检测中绝对误差、召回率、F1得分等指标均有改善。将mDRCPD方法应用到COVID-19的传播进程分析中,通过对传播率的分段建模来刻画疫情的阶段性特点,评估国家政策在降低疫情传播速度上的效果。

股指期货对我国股票现货市场的长短期影响——基于变点检测和面板数据的实证研究

沪深300股指期货作为中国第一个金融期货产品,上市以来交易活跃但争议不断。从两个方面考察该股指期货引入对现货市场的影响:一是利用ARCH过程的多变点检测方法,对沪深300指数、上证综指以及深证成指的日收盘价差分序列进行多变点检测,找出变点,研究沪深300股指期货引入的即期影响;二是利用面板数据方法构建现货市场波动率反事实对照组,考察股指期货引入对现货市场波动性的长期影响。研究表明:股指期货引入以及成长没有对我国主要市场指数造成即期的结构性影响,长期看,一定程度上减小了股票现货市场的波动性。

基于伽马分布的变点检测

针对伽马分布中变点个数及变点位置的检测问题,本文基于三类不同的惩罚项,采用不同方法对伽马分布中单变点及多变点进行检测,对变点个数及位置识别的准确性进行研究,从而比较不同方法的检测效果。数值模拟表明,针对单变点的情况,AMOC方法的检测效果优于其他方法;而在多变点的情况下,所采用的WBS方法具有更好的检测性能,优于其他方法。最后,本文通过实证分析验证不同方法的有效性。

变点检测问题最新进展综述

变点检测问题研究是统计学与数学、计算机科学、数据挖掘等众多学科交叉的新兴研究领域。论文详细回顾与述评了2001-2011年的最新国内外变点问题研究状况,并从不同的角度对变点检测问题进行合理分类,同时展望了变点检测问题研究的未来发展方向。

基于变点检测的网络移动目标防御效能评估方法

提出一种基于变点检测的网络移动目标防御效能评估方法。针对网络资源图无法表示资源脆弱性对节点安全状态影响的问题,定义分层网络资源图,在建立资源脆弱性改变和节点安全状态转换关联关系的同时,提高构建和更新网络资源图的效率。针对静态检测度量无法准确度量网络移动目标防御动态改变的问题,设计变点检测和标准化度量算法,在保证度量标准统一的基础上实现对网络移动目标防御的安全成本和安全收益的实时检测和动态度量,提高评估的准确性和结果的可比性。典型实例分析证明了所提出的网络移动目标防御效能评估方法的可行性和有效性。

航空器轨迹变点检测与判识技术研究

航空器飞行阶段的有效划分是支撑航空排放主动监测的重要技术手段,采用变点检测与判识的方法可有效地实现对航空器飞行阶段的划分。本研究根据多变量T^2统计量的特点,在数据整体参数一致性假设下,提出了一种采用顺序双滑窗的航空器轨迹变点检测与判识的方法。仿真与实验结果表明,该方法对窗口长度较为敏感,在适宜的窗口长度下可有效地解决轨迹的变点检测问题。根据航空器轨迹的特点,选择适当的窗口长度前提下,本方法是一种有效的变点检测与判识方法。

基于AUC的非参数快速变点检测算法

目前,变点检测技术已经广泛应用到各个领域。然而,由于实际生产环境的复杂性,变点检测技术中的常用参数方法往往存在一定的局限性。为了克服这些问题,提出一种新的变点检测的非参数方法,通过互联网检索应为首次应用AUC(曲线下面积)对样本数据进行在线变点检测。该方法将变点检测分为2个阶段:预分析阶段,对样本数据进行加窗处理,通过计算窗口中样本数据的AUC值的方式来间接得到其均值和方差;检测阶段,通过假设检验的方法对经过处理后的样本数据进行变点检测。通过实验仿真,可以观察到此算法与常规CUSUM算法相比,具有更好的稳健性,而且对检测多个突变点的情况同样有效。

基于变点检测理论的制丝过程稳态识别方法

为实现卷烟制丝工序批过程数据稳态的智能识别,提出了一种基于变点检测理论的制丝过程稳态识别方法。以"云烟"某一规格卷烟制丝过程全批次数据为研究对象,首先利用均值方差变点检测模型和PELT算法动态划分子区间,然后根据工艺标准设定子区间方差和(或)均值的阈值,通过筛选出符合阈值条件的子区间从而形成稳态数据集,最后与现行的两种稳态截取规则识别的数据集进行测度指标对比分析。结果表明:(1)不同稳态识别方式对制丝批过程数据测度的准确性影响较大;(2)基于变点检测理论的稳态识别方法适应性较好,识别效果较优;(3)通过信息系统内置的R语言程序,将基于变点检测理论的稳态识别方法与Shapiro-Wilk正态性检验相结合,可实现在线智能判别过程能力。该方法的建立为制丝过程稳态的智能识别提供了技术支持。

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.

回归模型参数的变点检测方法研究

该文基于非平稳性度量指标(NS)构造了检测回归模型参数变点的方法.在选择合适的参数估计方法和窗口大小的前提下,计算窗口内样本的残差序列及对应的NS值,通过判断窗口内残差序列的平稳性从而达到变点检测的目的.构造一系列二分段回归模型进行实验验证,结果表明该方法能够有效检测到二分段回归模型的变点位置,与其它方法的对比实验结果也表明了该方法在回归模型参数变点的检测中准确性更高.

基于约束HMM的变点检测算法

时间序列的变点分析在现今社会各个领域中都有着广泛的应用.针对时间序列进行变点分析中要求变点状态需要连续持续一定的时间的应用背景,提出了一种结合状态最短连续长度约束的隐马尔可夫模型.给出了约束Baum-Welch训练算法和约束Viterbi状态提取算法.应用在仿真数据和GNP数据集的实验表明,结合状态最短连续长度约束的HMM相比于一般HMM在时间序列变点检测中效率较高.

欧美主权债务危机的股票市场流动性变点检测

流动性是现代金融体系的生命力,基于流动性视角的分析表明,融资流动性、资产流动性和货币流动性的严重失衡是导致欧美主权债务危机迅速传染扩散的主要驱动力.本文在传统价格和成交量的基础上引入流动性影响力指标,构建了股票市场流动性度量指标体系;在Spearman相关系数法的基础上,运用二元Copula和概率积分变换构建了新型的变结构点检测方法流程,有效实现了欧美债务危机国与英、日等核心发达国家以及中、印等新兴国家间股票市场流动性冲击的变结构点检测.

基于Copula模型变点检测的投资者情绪传染分析

文章设计了六个备选投资者情绪代理指标,通过主成分分析方法构造出综合投资者情绪指标,利用格兰杰因果检验作为传染路径方法,运用非参数方法选择出最合适的Copula函数模型,检测模型中的变点,最后将变点前后数据的尾部相关系数变化量大小作为情绪是否发生传染的判断标准。实证结果表明：只存在美国对中国的传染,发生三次传染并呈现阶段性特征,并且传染会随着被传染国市场发展而减弱。

基于MOSUM的多重滤波变点检测研究

多时间尺度的变点问题一直是质量控制中的热点研究对象。基于移动和统计量(MOSUM),提出了一种多重过滤检验方法(MFT),以检验均值不变的零假设或存在均值变点的备择假设。首先,为使方法具有实用性和一般性,构建均值变点模型,并假定分布假设较弱。其次,由于单一窗宽对变点检测的局限性,构造了一个弱收敛到一个布朗运动相关的函数的MOSUM统计量,进而应用多个窗宽下MOSUM过程进行多变点检测。最后,为使得MFT方法不受其它分布参数变化影响,对模型均值外的参数变化作了鲁棒性检验。经模拟研究和实证分析表明,MFT方法的估计精度和准确度比一般方法更具优势和实效性。

基于功率谱角度的AUC变点检测算法

对于变点的检测在统计学领域一直是一个比较热门的研究方向。其中对于变点的检测技术中常用的参数方法存在一定的缺陷。为此,本文首次基于功率谱的角度利用AUC来对样本进行变点检测。该方法将变点的检测分为两个阶段:预处理阶段,通过对样本数据进行加窗处理获取数据的AUC值;检测阶段,对经处理后的样本数据进行功率谱计算。通过实验仿真,可以观察到此算法对几种变点的检测具有更好的效果和稳健性。

基于混合模型adaptiveLASSO方法的气象数据实时变点检测

气象数据的实时变点检测是一个重要的问题,正确的预测能够对民生有着积极的影响。以桂林市降雨量的数据为例,建立混合模型,采用adaptiveLASSO进行变量选择,基于CUSUM建立检验统计量,最后估计出桂林市降雨量的变点。

基于MK变点检测和加权HMM算法的NILM研究

为了更可靠的提升居民用户非侵入式负荷的分解能力,将整个识别过程分为负荷事件识别和状态识别两个过程。分别提出一种基于双滑动窗的MK变点检测算法以及加权双参量隐马尔可夫模型进行负荷事件识别和状态识别。并在状态识别中将每个设备各内部状态在每个时间段的出现概率作为权值带入到算法。通过数据验证以及对比实验,表明NILM算法能够较为有效地对居民负荷进行识别。

变点检测在教育测量中的应用研究

本文将变点检测的研究方法引入语言教育测量研究中,以学习者写作能力的发展变化检测为个案,通过介绍变点分析器(Change-point Analyzer,简称CPA)的实操步骤,阐述了变点检测在语言能力发展评估研究中的实际应用过程,旨在让更多对变点检测与分析感兴趣的研究人员了解并运用该软件,在跨学科研究深度融合的背景下拓宽人文科学的研究思路,推动学科研究的发展与方法创新。

ROC分析在变点检测中的应用

变点检测方法普遍应用于各个工程领域,但是,传统的变点检测方法使用的是参数法,该方法在复杂环境下存在一定的局限性。为克服该问题,本文介绍一种基于AUC统计量非参数变点检测方法。ROC曲线下的区域(AUC)指标可用于描述二分类器性能,数据信号的分离程度。其中,AUC统计量和Mann-Whitney U(曼-惠特尼)统计量是等价的。因其具有简单,计算方便等优点,因此本文将介绍该指标在变点检测中问题的应用。实验结果表明,该方法具有一定的有效性和实用性。

基于Copula变点检测的美国次级债金融危机传染分析

金融危机传染的分析是国际金融研究中的重要问题,大多数传染效应存在性的检验采用相关性方法,本文通过阿基米德Copula的变点检测方法来检验传染效应的存在性,更加全面地分析了国家收益率之间的相依结构,并以两个国家收益率的尾部相依指数作为传染程度大小的一种度量。最后对亚洲几个主要市场的指数和S&P500指数数据进行了实证分析,研究美国次级债金融危机对亚洲市场的传染效应。