自正则检验关于方差变点的稳健性分析

自正则统计量是检验长记忆时间序列均值变点的有效方法.然而长记忆时间序列中存在均值变点的同时也可能存在方差变点,方差变点会如何影响均值变点的检验功效呢?本文推导出了当长记忆时间序列中仅存在方差变点及同时存在均值变点和方差变点时,自正则统计量的极限分布,从理论上证明了此时该统计量仍然是检验均值变点的一致统计量.数值模拟结果表明,自正则检验统计量对方差变点稳健,且递减的方差变点有助于进一步提高检验功效,而递增的方差变点会降低检验功效.最后,通过对一组北半球月均气温数据的分析说明了方法的稳健性.

基于面板数据方差变点的股票收盘价分析

文章应用含有调节参数的CUSUM (Cumulative Sum)型估计量对面板数据中方差的共同变点进行估计,并对在美国上市且目前仍在市的教育机构的股票收盘价进行实证分析,分析结果表明了基于含有调节参数的CUSUM型估计量寻找面板数据中方差共同变点的方法是有效的。在实证分析的基础上,把时间序列中基于数据驱动的调节参数的选取方法推广到面板数据中,使得面板数据中CUSUM型方差共同变点估计更可靠。

独立序列均值与方差变点的累积和估计及应用

产品生产加工过程中,反映产品质量参数的均值和方差都有可能出现异常波动,及时发现质量异常波动,对于控制产品质量十分重要.在工业生产、通信工程等领域中独立序列有广泛应用背景.本文研究了独立序列中均值和方差都存在变点且变点时刻不相同时的变点估计问题,给出变点时刻的累积和(CUSUM)型估计,并得到变点估计的收敛速度.最后将该方法应用于航空发动机管路生产质量控制中和放射医学研究的扫描仪质量控制问题中,模拟结果和实例分析都说明方法的有效性.

线性过程方差变点的估计

本文研究线性过程方差变点的估计问题,给出了变点的CUSUM型估计量。在误差不相依情形下得到了线性过程的Hjek-Rnyi型不等式,在较弱的条件下推导出了估计量的收敛速度,最后模拟结果证实本文的结论。

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.

基于西沃兹信息准则的水文时序方差变点识别

本文提出了基于西沃兹信息准则的水文时序方差变点的识别原理和方法,并以广东北江流域为例,对其主要河流的枯期径流量年系列(1957～2000年)进行了变点识别,结果显示1982年为该流域枯期径流时序方差的显著性变点。

非参数回归中方差变点的小波检测(英文)

本文主要研究了非参数回归模型中方差函数的变点, 利用小波方法构造的检验量来检测方差中的变点,建立了这些检验量的渐近分布, 并且运用这些检验量构造了方差变点的位置和跳跃幅度的估计, 给出了这些估计的渐近性质, 并进一步通过随机模拟验证了本文方法在有限样本下的性质.

时间序列非参数回归模型的方差变点检验

研究时间序列非参数回归模型的方差变点检验.通过估计模型中的回归函数得到残差序列,利用残差序列构造Ratio检验统计量,并讨论检验统计量的极限性质,通过数值模拟验证检验方法的有效性.

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.

均值已知时，正态分布方差变点的假设检验

讨论了均值已知时，正态分布方差变点的假设检验问题。分别导出了变点的参数检验和非参数检验，给出了一个Ｂａｙｅｓ检验。而且还给出了这些检验的渐近临界值，并对它们进行了比较．

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.

方差变点的加权累积和估计的极限性质

研究了方差变点的加权累积和估计的一些极限性质.证明了这个估计量的相合性和收敛速度,并由此推导出了变点估计量在局部对立假设下的渐近分布的形式,它是一个有偏移的双边布朗运动.通过渐近分布的数值解可以构造出估计量的渐近置信区间.计算机模拟和实际数据分析表明,这个估计量在应用中有很好的表现.

大样本数据中方差变点的两阶段估计方法

在大样本场合,为了快速有效地估计线性过程的方差变点,给出基于最小二乘方法的两阶段估计。按一定规则抽取样本构成子序列,对子序列用最小二乘方法给出变点的一阶段估计量和置信区间,并在置信区间的基础上构造依概率1包含真实变点位置的随机区间;对落入随机区间内的所有样本,用最小二乘方法给出二阶段估计量。理论分析表明,方法的收敛速度与已有文献相同,但计算复杂度低于文献中已有方法,能保证估计精度的同时更快速估计出变点位置。模拟结果验证了该方法的有效性,显示估计结果与已有方法相近但所用时间更短。

相依序列方差变点的非参数统计分析

基于严平稳β-混合过程,建立回归函数和条件方差函数形式均未知情况下的自回归异方差模型方差变点的估计方法;并给出变点检验统计量渐近正态性的证明,由此得到方差变点的检验方法;最后,通过数值模拟,展示估计方法的有效性.

线性过程方差变点估计的相合性及收敛速度

针对线性过程估计精度的问题,运用累积和(CUSUM)方法研究线性过程随机变量序列方差变点问题,在均值不变的条件下,证明方差变点CUSUM型估计的相合性,并且给出它的强弱收敛速度.

基于平滑样条回归的方差变点检测模型

文章对均值函数是平稳变化而方差存在显著跳跃情形的数据进行探究,首先同时考虑曲线的拟合优度和粗糙惩罚度,通过广义交叉验证对光滑参数自动搜索,然后利用平滑样条构造惩罚最小二乘对均值函数进行估计,进一步对去均值趋势的残差序列构建似然比检验统计量检测存在的方差变点,并结合二分法对多变点情形进行估计。数值模拟表明,平滑样条估计均值函数拟合效果较好,对方差变点发生位置和变点前后方差的估计也较准确,随样本量的增大,估计的精确度及变点检测功效也随之提高。最后通过实例分析进一步说明了方法的有效性。

相依序列方差变点的非参数统计探析

非参数统计在金融方面的应用，其主要体现的是其稳健性的优势，在利用方差函数进行分析的过程中，可以利用非参数技术统计来预测其变点的位置，本文对其进行了分析并对结果进行验证。

面板数据中方差的共同变点估计

文章对面板数据中方差的共同变点提出了一个含有调节参数的CUSUM(Cumulative Sum)型估计量,证明了变点估计量的相合性,并结合二元分割法将其推广到多个方差共同变点的情形。蒙特卡洛模拟发现,调节参数(γ≠0)下CUSUM型估计量的精确度要高于无调节参数(γ=0)下CUSUM型估计量的精确度。应用外汇汇率进行实证分析,结果也表明调节参数(γ≠0)下CUSUM型估计方法是有效的。

含测量误差的方差模型的多变点的估计

本文讨论当已知含测量误差的方差模型存在变点时,对方差变点给出了一个含有调节参数的“CUSUM型估计量”,研究了方差变点统计量的弱(强)相合性,得到收敛速度。结合“二元分割法”将其推广至多个方差变点的估计。模拟研究发现含调节参数γ∈(0.3,0.7)的CUSUM型估计量的精确度要优于无调节参数(γ=0)的CUSUM型估计量的精确度。进一步,对原油价格涨跌幅进行实证分析验证了本文方法的有效性和可行性。