變點
- 基于Subsampling抽樣的厚尾AR(p)序列趨勢變點的Ratio檢驗
行的檢驗時間序列變點問題的方法，其與傳統(tǒng)的累計和方法相比不需要方差的估計。Horváth 等（2008）[1]運用Ratio 統(tǒng)計量檢驗短記憶的均值變點問題；Shao（2011）[2]、Kai 等（2018）[3]和Wingert 等（2020）[4]進一步研究了長記憶變點問題；Chen 等（2016）[5]運用Ratio統(tǒng)計量檢驗從短記憶到長記憶的變點問題。實際上，上述文獻大多考慮方差有限的情形。然而，方差無窮序列的大部分信息滯留在尾部，不能用傳統(tǒng)高斯序
統(tǒng)計與決策 2023年10期2023-07-11
- 廣義線性模型的分位數(shù)回歸變點檢測 *
004）0 引言變點問題因其具有廣泛應(yīng)用性，比如在金融、經(jīng)濟、計算機等都有大量的應(yīng)用，所以在統(tǒng)計學(xué)中一直是研究的熱門課題。變點指的是在模型或者分布中，在某個未知的時刻，模型或者分布的某些特征發(fā)生改變，則把這個未知的時刻稱為變點。目前，對變點問題研究的文獻有很多。如譚智平等人［1］利用非參數(shù)方法構(gòu)建Kolmogorov 型統(tǒng)計量對分布變點的檢測和估計進行研究；Guan［2］通過似然比方法研究半?yún)?shù)模型的變點問題；張軍艦等人［3］通過構(gòu)造截斷經(jīng)驗歐氏似然比檢驗
廣西民族大學(xué)學(xué)報(自然科學(xué)版) 2023年1期2023-05-22
- 采用密度比估計的多窗口變點檢測方法
表述為疫情數(shù)據(jù)的變點檢測問題。本文基于疫情背景，研究時間序列的變點檢測問題。時間序列是隨著時間變化對系統(tǒng)行為的描述，系統(tǒng)的行為會由于外部或內(nèi)部因素隨著時間而改變[2-3]。變點分析是統(tǒng)計學(xué)中的一個經(jīng)典分支，其基本定義是在一個序列或過程中，當(dāng)某個統(tǒng)計特性（分布類型、分布參數(shù)）在某時間點受系統(tǒng)性因素而非偶然性因素影響發(fā)生變化，稱該時間點為變點[4]。時間序列變點檢測問題作為時間序列分析的一個重要研究方向，在經(jīng)濟、金融、醫(yī)學(xué)和氣象學(xué)等方面都有較廣的應(yīng)用[5]。時
計算機工程與應(yīng)用 2023年3期2023-02-14
- 基于差分進化算法的正態(tài)分布均值變點檢測
550025)變點檢測問題自20世紀(jì)50年代被提出以來，一直是統(tǒng)計領(lǐng)域當(dāng)中的一個熱點問題。變點指的是從某個時刻開始，樣本的分布或者數(shù)字特征發(fā)生了變化。變點檢測就是要檢測數(shù)據(jù)中是否存在變點及對變點的個數(shù)和位置進行估計。隨著社會的發(fā)展，變點檢測理論已廣泛運用在經(jīng)濟、醫(yī)學(xué)、氣象和圖像處理等領(lǐng)域。在變點檢測問題中，均值變點是一類重要的變點類型，數(shù)據(jù)的均值發(fā)生變化往往引起人們的重視。針對正態(tài)分布序列的均值變點問題，中外許多學(xué)者都對此進行過研究。Hawkins[1]
科技創(chuàng)新與應(yīng)用 2023年2期2023-02-01
- 長相依面板數(shù)據(jù)的斜率變點分析
列的數(shù)據(jù)都具有單變點或者多變點的特征,參見Bai和Perron[1],Hansen[2],Lee等[3],以及Perron和Zhu[4].此外眾所周知,經(jīng)濟和金融數(shù)據(jù)往往還具有長相依的特征.例如日元兌美元的匯率數(shù)據(jù)被廣泛認為存在長相依,參見Horv′ath和Kokoszka[5].因此在處理實際數(shù)據(jù)時,往往面臨結(jié)構(gòu)變點和長相依同時存在的情形.例如Jaruˇskov′a[6]在非平穩(wěn)的長周期的水文數(shù)據(jù)中發(fā)現(xiàn)了長相依的證據(jù),同時認為數(shù)據(jù)中存在結(jié)構(gòu)變點.大量的研
高校應(yīng)用數(shù)學(xué)學(xué)報A輯 2022年4期2023-01-02
- 基于SOP-SeedBS的高維數(shù)據(jù)稀疏變點檢驗
130022）變點估計和檢驗問題是統(tǒng)計學(xué)中的一個經(jīng)典問題，用于識別時間序列中的突變，發(fā)生這種突然變化的時間點稱為“變點”。通過估計變點的位置，可以將原始數(shù)據(jù)集劃分為較短的段，然后使用平穩(wěn)時間序列的方法進行分析，解決各個領(lǐng)域相關(guān)的問題。變點問題在金融行業(yè)[1]、互聯(lián)網(wǎng)安全[2]、生物醫(yī)學(xué)[3]等領(lǐng)域都有著廣泛的應(yīng)用，例如，變點估計可用于發(fā)出有關(guān)異常金融事件的警報，檢測網(wǎng)絡(luò)上的分布式拒絕服務(wù)攻擊，精確定位人腦中腦波活動的開始等。隨著時代的發(fā)展和科技的進步，現(xiàn)
長春理工大學(xué)學(xué)報（自然科學(xué)版） 2022年6期2022-12-28
- AR（p）模型均值變點的CUSUM估計
000）0 引言變點理論結(jié)合時間序列分析和數(shù)理統(tǒng)計的相關(guān)知識和研究方法，是數(shù)理統(tǒng)計學(xué)中非常重要的分支［1］. 變點理論最早由Page［2］提出，并用于解決產(chǎn)品生產(chǎn)的質(zhì)量控制工程問題. 變點理論在金融、地質(zhì)、計算機、統(tǒng)計、醫(yī)學(xué)和氣象等更多領(lǐng)域有全新的應(yīng)用［3-5］.變點的種類大致可分3 種：突變點、漸近變點及流行變點［6］. 對于AR 模型變點的理論研究，Gombay等［7］在Page的基礎(chǔ)上將變點的在線監(jiān)測模型問題推廣至AR（p）模型中. 薛義新等［8］在
淮北師范大學(xué)學(xué)報(自然科學(xué)版) 2022年4期2022-12-19
- 參數(shù)變點線性回歸模型的LR檢驗
60001 概述變點問題淵源已久，可以追溯到1954年P(guān)age關(guān)于連續(xù)抽樣檢驗的討論。自20世紀(jì)70年代以來，對于變點問題的探討以及對變點性質(zhì)的研究一直是統(tǒng)計界的熱門話題。比如，在工業(yè)自動控制中的質(zhì)量檢測、在經(jīng)濟與金融中的數(shù)據(jù)分析、氣象中的天氣預(yù)測、流行病學(xué)中傳染率的研究以及導(dǎo)航系統(tǒng)分析和心電圖中的韻律分析等方面有大量的應(yīng)用背景。而進入21世紀(jì)以來，隨著科技的發(fā)展，我們所關(guān)心的問題面臨著大規(guī)模數(shù)據(jù)的挑戰(zhàn)，這種數(shù)據(jù)往往以張量的形式呈現(xiàn)。因此，變點問題的研究又
科技風(fēng) 2022年25期2022-09-29
- 基于篩選排序算法的多均值變點估計
70 年代以來，變點問題一直是統(tǒng)計中的一個熱門話題。它最早產(chǎn)生于工業(yè)質(zhì)量控制領(lǐng)域，目前在經(jīng)濟、金融、醫(yī)學(xué)、計算機等領(lǐng)域也有大量的應(yīng)用。關(guān)于單變點問題，已有一系列相當(dāng)成熟的檢測方法和理論[1—7]。但這些方法較難推廣到多變點問題情形，因為多變點問題不但需要確定變點位置，更關(guān)鍵的是需要確定變點的個數(shù)。近年來，關(guān)于多變點的研究頗受到統(tǒng)計學(xué)者的廣泛關(guān)注。關(guān)于均值多變點的研究，Yao[8]基于貝葉斯信息準(zhǔn)則(Bayesian Information Criterio
工程數(shù)學(xué)學(xué)報 2022年3期2022-08-18
- 面板數(shù)據(jù)均值變點的累積和比值估計
言時間序列模型中變點的估計和檢驗已經(jīng)得到廣泛的研究，隨著科技與經(jīng)濟的飛速發(fā)展，單個時間序列的分析與研究已經(jīng)不再滿足人們的需求，而面板數(shù)據(jù)能夠提供更多有關(guān)模型的信息，從而提高估計的效率.因此將數(shù)據(jù)集擴展到面板數(shù)據(jù)上分析是有必要的.許多專家和學(xué)者研究關(guān)于面板數(shù)據(jù)的變點問題，尤其是在經(jīng)濟學(xué)、社會科學(xué)、質(zhì)量控制等領(lǐng)域做出諸多貢獻.Bai［1］利用最小二乘法和擬極大似然法（QML）分別研究面板數(shù)據(jù)模型中均值和方差變點問題，證明變點估計量的一致性并給出其極限分布，并表
淮北師范大學(xué)學(xué)報(自然科學(xué)版) 2022年2期2022-06-17
- 一種基于遞歸殘差的回歸模型變點檢驗
006）0 引言變點問題最初由Page［1］提出，由于變點問題可以快速地監(jiān)測到系統(tǒng)在任意時刻出現(xiàn)的變點并發(fā)出預(yù)警，避免決策上的失誤，對減小損失，降低風(fēng)險具有重要意義，因此從最初的產(chǎn)品質(zhì)量控制領(lǐng)域逐步擴展到金融、氣候、流行病學(xué)、信號過程和智能導(dǎo)航等領(lǐng)域。Küchenhoff等［2］用帶有變點的趨勢回歸模型對時間序列進行分析，進而估計德國新冠病毒某一天發(fā)病的病例數(shù)。Basalamah等［3］研究了線性回歸模型下的正態(tài)分布誤差在檢測回歸參數(shù)變化時的情形，提出一種
山西大學(xué)學(xué)報（自然科學(xué)版） 2022年2期2022-06-07
- 厚尾相依面板序列均值變點的截尾CUSUM估計
1,1)模型的多變點檢驗問題，基于SUPF檢驗統(tǒng)計量，在原假設(shè)下得到該統(tǒng)計量的極限分布[4]。隨著對金融時間序列變點問題的研究逐步深入，具有P(|Y|>x)≈Cx-κ的厚尾時間序列成為熱點問題，其中特征指數(shù)κ刻畫了隨機變量Y的尾部性質(zhì)，反映金融資產(chǎn)未來可能發(fā)生的損失和風(fēng)險，所以研究其變點的統(tǒng)計推斷十分有必要。楊曉琴研究厚尾相依序列均值變點的檢驗問題，采用Block Bootstrap方法而非傳統(tǒng)的獨立同分布Bootstrap方法逼近統(tǒng)計量的漸近分布[5]。
西安工程大學(xué)學(xué)報 2022年2期2022-05-11
- 基于Bootstrap方法的厚尾AR(p)序列均值變點檢驗
54)0 引 言變點檢驗對于決策者們具有重要的現(xiàn)實意義,若忽略變點的存在,則會導(dǎo)致錯誤的建模,從而做出錯誤的決策,造成一定的風(fēng)險.為了規(guī)避風(fēng)險,應(yīng)用統(tǒng)計方法對變點進行統(tǒng)計推斷就顯得尤為重要.在變點檢驗的各種問題中,均值變點檢驗在變點問題的分析中占據(jù)了非常重要的地位.Gardner[1]討論了方差為1時的獨立高斯序列均值變點檢驗.隨后Sen等[2]修正了Gardner[1]的檢驗統(tǒng)計量,在方差未知時探討了高斯序列的均值變點問題.Chen等[3]基于比值型監(jiān)測
昆明理工大學(xué)學(xué)報(自然科學(xué)版) 2022年2期2022-05-07
- 基于高斯噪聲的HLSM穩(wěn)健性多變點檢驗
130022）變點檢驗是時間序列分析的重要組成部分，時間序列數(shù)據(jù)的均值、方差或模型系數(shù)在未知的時刻突然發(fā)生了改變，可能標(biāo)志著數(shù)據(jù)生成的重大變化，因此變點檢驗必不可少。變點檢驗問題第一次被提出可追溯到20世紀(jì)50年代［1］，現(xiàn)在已經(jīng)被拓展應(yīng)用于股票、生物、基因數(shù)據(jù)、網(wǎng)絡(luò)流量分析、交通等領(lǐng)域，并且已經(jīng)有著廣泛的研究，變點檢驗方面已經(jīng)有著大量文獻，如Kim（2019）［2］、Cheng（2015）［3］、Liu（2020）［4］、Kurt（2018）［5］、王
長春理工大學(xué)學(xué)報（自然科學(xué)版） 2022年1期2022-03-07
- 基于RJMCMC算法的Gamma分布形狀參數(shù)多變點檢測
6)0 引言所謂變點是指觀測值在某一個位置或時間點發(fā)生了分布或數(shù)字特征的突然變化，這個位置或時間點稱為變點。不考慮可能的變化點就進行統(tǒng)計分析很大可能會得到具有誤導(dǎo)性的結(jié)果，因此變點問題的研究在金融學(xué)、醫(yī)學(xué)、氣象學(xué)和計算機科學(xué)等領(lǐng)域有著廣泛的應(yīng)用價值。眾多學(xué)者對檢測變點的方法進行了研究，如JAMES B J等[1]通過似然比方法檢驗多元正態(tài)分布變點是否存在；李拂曉等[2]使用Pearson卡方統(tǒng)計量的二元分割方法檢驗了多元Logistic回歸模型中存在的變點
河南教育學(xué)院學(xué)報（自然科學(xué)版） 2022年4期2022-03-02
- 累積Logistic回歸模型結(jié)構(gòu)變點的序貫檢驗
生改變, 即產(chǎn)生變點.過去的幾十年中，有許多學(xué)者研究了模型的結(jié)構(gòu)變點檢驗和估計問題.[2-9]變點檢驗一般分為回顧性檢驗(Retrospective test)和序貫檢驗(Sequential test), 前者是分析已觀測的歷史數(shù)據(jù), 檢驗數(shù)據(jù)中是否存在變點; 后者是連續(xù)檢驗數(shù)據(jù)中是否存在變點, 即新觀測的數(shù)據(jù)是否仍符合原有的模型,也稱為在線監(jiān)測[10].針對回顧性變點檢驗,Antoch[11]基于整體最大值型(Overall maximum type)
應(yīng)用數(shù)學(xué) 2022年2期2022-01-20
- 多變點位置的識別隱馬爾科夫鏈方法
30205)1 變點問題簡介變點序列數(shù)據(jù)是數(shù)理統(tǒng)計中經(jīng)常遇見的一個序列，在該序列中，各個子部分的總體的分布并不是一樣的，對于這類問題，通常的處理方式是先識別該序列中的變點的位置，然后就可以利用相鄰的兩個變點之間的分布是相同的，進而來估計該部分的分布。其一般模型如下：(1)2 狀態(tài)轉(zhuǎn)移概率為此建立如下模型：在時刻，定義狀態(tài)(i=0,1,2,…,t-1)表示離t最近的前向變點位置在t-i位置上，記其概率為p(Ct=i|xt-1,xt-i+1,…xt-1)，意思
湖北第二師范學(xué)院學(xué)報 2021年8期2021-10-25
- IIRCT 下指數(shù)分布參數(shù)多變點的貝葉斯估計
830017）變點（change point）指的是某一位置或時刻在此前后觀測值或數(shù)據(jù)遵循兩個不同的模型. 變點問題是近幾年統(tǒng)計方向研究中比較熱門的話題，主要應(yīng)用于質(zhì)量控制、水文統(tǒng)計、金融經(jīng)濟、地震預(yù)測等領(lǐng)域. 目前變點分析方法主要有極大似然法、最小二乘法、貝葉斯法和非參數(shù)方法等. 關(guān)于變點問題，國內(nèi)外的學(xué)者進行了深入研究，James B J［1］在1992 年對多元正態(tài)分布位置參數(shù)的變點用似然比檢驗做了假設(shè)檢驗；Kokoszka 和Leipus［2］在
河南科學(xué) 2021年3期2021-05-06
- 基于WBS2的一種多維數(shù)據(jù)多變點檢驗方法及其應(yīng)用
130022）變點是指在該時間點上，樣本的分布或者數(shù)字特征在突然發(fā)生變化。研究變點問題可以判斷過程中某參數(shù)發(fā)生變化的時刻并有效控制該參數(shù)，也能夠分析系統(tǒng)的穩(wěn)定性，從外部控制變量出發(fā)檢驗或預(yù)測形態(tài)發(fā)生的變化。變點檢驗就是估計變點的數(shù)量和位置，該研究現(xiàn)已廣泛用于工業(yè)質(zhì)量控制[1]、醫(yī)學(xué)診斷[2]、交通流[3]和網(wǎng)絡(luò)安全[4]等許多領(lǐng)域。檢驗方法也從參數(shù)檢驗發(fā)展到非參數(shù)檢驗，檢驗對象也從一維擴展到多維甚至是高維數(shù)據(jù)。關(guān)于一維數(shù)據(jù)的多變點問題，許多學(xué)者給出了檢驗
長春理工大學(xué)學(xué)報（自然科學(xué)版） 2021年2期2021-04-29
- 改進曼-惠特尼統(tǒng)計量的變點檢測
于時間序列數(shù)據(jù)的變點研究在諸多領(lǐng)域擁有廣泛的應(yīng)用。對于給定的時間序列數(shù)據(jù)，本文采用滑動窗口思想計算型的曼-惠特尼統(tǒng)計量序列，根據(jù)加權(quán)移動平均思想加入權(quán)重參數(shù)，得到改進的曼-惠特尼統(tǒng)計量序列，并根據(jù)改進型曼-惠特尼統(tǒng)計量序列的極值分布指定判定變點的策略。實驗表明：參數(shù)對于檢測變點的性能具有雙向性，雖然提高檢測準(zhǔn)確率，但需要提高平均檢測誤差作為代價。近年來，時間序列數(shù)據(jù)的研究是一個廣泛研究的課題，在工業(yè)生產(chǎn)，醫(yī)學(xué)，氣象，圖像，金融等領(lǐng)域起著很重要的作用。時間序
電子世界 2021年6期2021-04-11
- 艾拉姆咖分布參數(shù)變點的統(tǒng)計推斷*
治區(qū)烏魯木齊市)變點問題是統(tǒng)計學(xué)中的熱門研究方向，在金融、醫(yī)學(xué)、氣象學(xué)和計算機領(lǐng)域等方面有廣泛地應(yīng)用. 近年來，隨著統(tǒng)計分析方法的不斷完善，變點問題的發(fā)展在理論研究和實際應(yīng)用上都有了大的飛躍.譚景寶等討論了Gamma分布的變點問題[1]，韓冰凌、孫佳楠對獨立泊松與指數(shù)序列比較了變點檢測方法[2].在方法上，袁芳、韓四兒、譚常春、繆柏其等采用了累積和(CUSUM)方法[3-7]，討論變點的檢驗與估計問題.艾拉姆咖分布在研究武器裝備維修時間時被提出，目前關(guān)于其
曲阜師范大學(xué)學(xué)報(自然科學(xué)版) 2021年1期2021-01-22
- Lomax分布形狀參數(shù)變點的貝葉斯估計
017)0 引言變點問題是近幾年統(tǒng)計學(xué)的熱點研究問題，變點模型則是研究變點問題的一種非常重要的統(tǒng)計模型，其應(yīng)用廣泛，研究方法多樣. 常用的研究方法有貝葉斯方法、極大似然法和最小二乘法等，其中貝葉斯方法在解決變點問題上綜合了先驗信息以及樣本信息，使得判斷更為準(zhǔn)確. MCMC算法是一種高效的貝葉斯方法，將Gibbs抽樣與M-H抽樣相結(jié)合的算法，根據(jù)參數(shù)的滿條件分布形式來選取Gibbs抽樣和M-H抽樣，進而得到參數(shù)的Gibbs樣本，最終把Gibbs樣本的均值作為
淮陰師范學(xué)院學(xué)報（自然科學(xué)版） 2020年4期2021-01-05
- 正態(tài)分布序列均值變點檢測的貝葉斯方法
的的正態(tài)分布序列變點問題簡介(1)若通常稱為多未知變點模型，對于多個未知變點模型，我們要解決的問題主要有兩個，第一是確定變點的個數(shù)；第二是確定變點的具體位置，實際上變點的數(shù)目完全由變點的位置所決定，通常我們采用二分法來確定，其基本想法是首先我們只考慮僅有一個變點的模型，利用某種方法確定這個變點的具體位置，然后以此位置作為分界點，將全部數(shù)據(jù)集分成兩個不相交的子集，對于每個子集，按照前面的方法重新判斷，看看每個子集中是否存在變點，該過程一直進行到不再有變點為止
湖北第二師范學(xué)院學(xué)報 2020年8期2020-10-13
- 基于MCMC算法的多元線性回歸變點模型的貝葉斯估計
830017）變點問題在經(jīng)濟、金融、醫(yī)學(xué)、工程等領(lǐng)域應(yīng)用廣泛，是統(tǒng)計學(xué)中比較熱門的研究方向之一. 線性回歸模型自19世紀(jì)發(fā)展以來就被廣泛應(yīng)用于各學(xué)科中. 王振友和陳莉娥運用多元線性回歸方法，建立了俄亥俄州臭氧含量與氣象的回歸方程［1］. 周晨等分析了多元線性回歸模型在東北地區(qū)需水量中的應(yīng)用［2］. 王培冬基于多元線性回歸模型，分析及預(yù)測了滬深股價［3］. 袁水林利用多元線性回歸模型，探討了企業(yè)更有效的物流成本管理方法及對企業(yè)效益的影響動因［4］. 王康慧
河南科學(xué) 2020年8期2020-09-21
- 大樣本數(shù)據(jù)中方差變點的兩階段估計方法
48)0 引 言變點問題一直都是統(tǒng)計學(xué)的研究熱點。在某個未知時刻,樣本的分布發(fā)生了突然的變化,這個時刻就稱作變點。 1954年，Page發(fā)表的一篇質(zhì)量檢驗的文章提出了變點問題[1],引起了眾多學(xué)者對變點問題的關(guān)注,現(xiàn)在變點研究已被大量應(yīng)用于金融經(jīng)濟學(xué)、醫(yī)學(xué)診斷等領(lǐng)域。在經(jīng)濟金融中,常用方差度量風(fēng)險,關(guān)于方差變點的文獻也有很多。 Gombay等對獨立序列中的方差變點進行檢驗和估計,得到了變點估計量的漸近性質(zhì)[2]； 邵釧利用滑窗法證明了獨立序列中變點估計量的
西安工程大學(xué)學(xué)報 2020年4期2020-08-20
- 基于經(jīng)驗歐氏似然的線性回歸模型變點檢測*
004)0 引言變點問題在統(tǒng)計學(xué)中是一個較熱門的課題.所謂變點，即是針對某一序列，在某點前后序列來自的總體是不同的，此點即為變點.變點問題廣泛適用于實際生活中的許多領(lǐng)域，如經(jīng)濟、地質(zhì)、生物醫(yī)學(xué)等等.自Page在文獻[1]中研究生產(chǎn)線上的生產(chǎn)穩(wěn)定性后，有越來越多的學(xué)者研究變點問題.在變點問題伊始，主要是運用參數(shù)方法對變點進行研究.陳希孺院士在文獻[2]中對參數(shù)變點問題給出了系統(tǒng)的研究，Cs?rg?和Horváth在文獻[3]中對變點問題的極限情況方面給出了較
廣西民族大學(xué)學(xué)報(自然科學(xué)版) 2020年1期2020-07-15
- 基于二元分割的多變點估計
611756）變點問題一直是統(tǒng)計學(xué)中的焦點話題之一. 變點問題在1954年由Page提出，該問題的提出源于工業(yè)生產(chǎn)的質(zhì)量控制過程［1］，生產(chǎn)過程中產(chǎn)品質(zhì)量在相當(dāng)長的時間內(nèi)保持大致恒定的輸出，當(dāng)過程中某個階段出現(xiàn)故障時，產(chǎn)品質(zhì)量惡化，大部分產(chǎn)品質(zhì)量變得不可接受，此刻希望能夠停止生產(chǎn)或者發(fā)出預(yù)警，避免產(chǎn)出更多不合格的產(chǎn)品，該故障發(fā)生時刻稱為變點. 陳希孺［2］給出了變點問題的一般提法，我們有一系列的觀察值（樣本），在多數(shù)情況下，這些觀察值按其出現(xiàn)的時間進行先
河南科學(xué) 2020年4期2020-06-03
- 一種線性過程方差變點的比率檢驗
夠更加精確地估計變點的存在，就能及時地規(guī)避風(fēng)險，減少損失，這也是眾多學(xué)者研究方差問題的意義所在. 最早有關(guān)方差變點的統(tǒng)計學(xué)文獻就是Hsu等［1］，他們提出了一個方差公式作為股票收益模型中Pareto分布的替代. Inclán等［2］、Gombay等［3］考慮了獨立序列中的方差偏移問題. 在處理自回歸的觀察值序列時，Wichern等［4］選用一階自回歸模型來處理未知時刻的突變方差問題，與之不同的是，Abraham等［5］則使用了貝葉斯框架來處理這一問題. L
河南科學(xué) 2020年1期2020-04-01
- 獨立二項分布序列變點的識別方法
52)引 言由于變點問題涉及經(jīng)濟、醫(yī)學(xué)、金融、工程等很多領(lǐng)域，所以估計一個隨機序列中變點的位置是近年來統(tǒng)計學(xué)的熱點研究問題之一。研究變點問題的方法有很多種，文獻[1-2]用MCMC方法研究了IIRCT情況下二項分布、威布爾分布的多變點問題，文獻[3]用IBF算法研究了正態(tài)分布均值單變點的識別問題等等。但對獨立二項分布序列變點的研究的還比較少。本文運用IBF算法研究二項分布的變點問題，給出了識別變點個數(shù)和通過IBF算法識別變點具體位置的步驟，隨機模擬的結(jié)果表
安徽師范大學(xué)學(xué)報（自然科學(xué)版） 2020年1期2020-03-28
- 自回歸模型參數(shù)變點的修正殘差CUSUM監(jiān)測
0 引言近些年，變點問題是計量經(jīng)濟學(xué)和統(tǒng)計學(xué)研究的熱點問題之一，在理論和實踐等方面有諸多應(yīng)用.變點是模型中的某個或某些量突然變化之點［1］. 變點問題最初在質(zhì)量控制領(lǐng)域被提出，之后，大量的學(xué)者進行推廣和完善，逐漸將變點問題應(yīng)用在通信、醫(yī)學(xué)、金融、水文等領(lǐng)域.變點在線監(jiān)測問題是指在已有模型基礎(chǔ)上對新觀測的數(shù)據(jù)進行監(jiān)測，直到出現(xiàn)變點才停止［2］. Horvath等［3-4］應(yīng)用最小二乘估計研究線性模型系數(shù)變點的殘差在線監(jiān)測問題；Gombay 等［5］通過引入有
淮北師范大學(xué)學(xué)報(自然科學(xué)版) 2020年1期2020-03-21
- 線性回歸模型變點位置估計的收斂速度
性回歸模型中進行變點檢測和估計是統(tǒng)計學(xué)中的一個常見的研究內(nèi)容. 文獻［1］考慮線性回歸模型中變點數(shù)目問題，但在檢測變點位置時需要2個階段. 文獻［2］考慮用分位數(shù)LASSO（Least absolute shrinkage and selection operator）方法對變點的數(shù)目和位置進行后驗檢測，但使用的方法相對笨拙. 文獻［3-5］考慮LASSO估計框架內(nèi)分段常數(shù)模型中的一個簡單位置變點問題. 文獻［6］考慮將分段常數(shù)變點問題推廣為分段線性模型，
淮北師范大學(xué)學(xué)報(自然科學(xué)版) 2020年1期2020-03-21
- 基于MOSUM的多重濾波變點檢測研究
等方面[1]。在變點分析方面，近年來，學(xué)者們也做了大量的探究[2-5]。本研究是在一般分布假設(shè)下進行，即允許其它參數(shù)變化的情況下，時間序列中存在未知個數(shù)的多時間尺度的均值變點模型。針對均值變點的研究，Horvth等提出了非參數(shù)檢測方法[6-9]，進一步鄧春霞研究了存在均值和方差雙重變點的非參數(shù)檢測方法[10]，這些方法雖然避免了參數(shù)方法中的參數(shù)估計難題，但存在缺點是需要對模型有較強的分布假設(shè)。針對多時間尺度上的變點研究，F(xiàn)rick等在檢測方法方面做了相關(guān)的
統(tǒng)計與信息論壇 2020年1期2020-02-06
- 線性回歸模型系數(shù)變點的在線監(jiān)測
年來很多領(lǐng)域存在變點問題，有關(guān)突變點理論應(yīng)用從最初由Page[1]提出在產(chǎn)品質(zhì)量控制領(lǐng)域擴寬到在金融等領(lǐng)域，如Hoga[2]提出的在線監(jiān)測多元時間序列在金融上的應(yīng)用.而快速地監(jiān)測到一任意時刻出現(xiàn)的變點并報警，對于減小損失，降低風(fēng)險具有重要意義.陳希孺[3]與Perron[4]介紹了有關(guān)變點理論的研究與發(fā)展.有關(guān)線性過程的變點估計問題，Bai[5]基于最小二乘估計提出其均值變點的估計.趙文芝等[6]則給出了其方差變點的CUSUM型估計量.隨后Zhao等[7]
陜西科技大學(xué)學(xué)報 2020年1期2020-01-07
- 變點問題的非參數(shù)極大似然方法以及在金融領(lǐng)域的應(yīng)用
劉馨月【摘要】變點問題一直是統(tǒng)計領(lǐng)域的熱門話題，在經(jīng)濟、生物、醫(yī)學(xué)、計算機、交通等領(lǐng)域中有大量的應(yīng)用。本文首先介紹了變點問題的概念以及相關(guān)研究方法，接著介紹了部分基于極大似然的非參數(shù)方法，最后介紹了變點理論在金融領(lǐng)域的應(yīng)用。從而得出結(jié)論：從單變點問題入手，利用非參數(shù)極大似然方法可以更好地解決金融領(lǐng)域的變點問題，應(yīng)對各類金融市場風(fēng)險?！娟P(guān)鍵詞】變點;非參數(shù)方法;金融風(fēng)險;變點理論應(yīng)用一、變點問題的概念以及相關(guān)研究變點問題是近年來在統(tǒng)計領(lǐng)域的熱點問題，更準(zhǔn)確地
商情 2019年51期2019-12-17
- 時間序列中多個變點的檢測問題
時間序列中期望的變點檢測，常見的CUSUM統(tǒng)計量，K-S統(tǒng)計量，需要對方差進行估計，Shao（2012）給出的基于SN方法的統(tǒng)計量避免了這個問題?；赟N方法的檢驗統(tǒng)計量拓展到一般框架下多個變點情況下的檢驗統(tǒng)計，并給出統(tǒng)計量在原假設(shè)下的分布情況及其證明。關(guān)鍵詞：變點;SN檢驗統(tǒng)計量中圖分類號：TB 文獻標(biāo)識碼：A doi：10.19311/j.cnki.1672-3198.2019.35.1170 引言變點分析是統(tǒng)計研究中的熱門問題，在經(jīng)濟、金融、醫(yī)學(xué)和氣
現(xiàn)代商貿(mào)工業(yè) 2019年35期2019-12-11
- 無窮方差序列均值變點的Ratio檢驗
引言統(tǒng)計學(xué)中,變點問題一直是一個熱點課題,一般認為變點問題的研究始于Page[1]在 Biometrika上發(fā)表的一篇關(guān)于連續(xù)抽樣檢驗的文章.文獻[2]指出 “變點τ0是指在一個序列或過程中,在某個未知時刻τ0,序列或過程的某個統(tǒng)計特性發(fā)生了變化”.變點問題的統(tǒng)計推斷就是依據(jù)具體的背景,對這個未知的時刻τ0做出估計,并對估計量的性質(zhì)進行統(tǒng)計分析.在現(xiàn)實中,變點問題不但在早期的工業(yè)自動控制上有大量應(yīng)用,而且,隨著近年來對變點問題的不斷深入研究,變點問題的實
- 單分位數(shù)方法對時間序列尾指數(shù)變點檢測及應(yīng)用
間序列中的尾指數(shù)變點檢測在理論和實際應(yīng)用中都有著廣泛應(yīng)用。本文利用單分位數(shù)方法（Single Quantile Method）構(gòu)造檢驗統(tǒng)計量檢測和估計出多元時間序列數(shù)據(jù)尾指數(shù)變點，證明其極限分布。在模擬研究中，分別產(chǎn)生三個經(jīng)典的厚尾分布類型隨機數(shù)進行模擬研究，結(jié)果表明，單分位數(shù)方法對多元時間序列尾指數(shù)的變點檢測是有效的，尤其對分布變化造成的尾指數(shù)變化的情形更加敏感與準(zhǔn)確。最后將該方法應(yīng)用于深圳市香蜜湖路市委黨校南行路段車流量數(shù)據(jù)，結(jié)果顯示該方法能準(zhǔn)確檢測出
貴州大學(xué)學(xué)報（自然科學(xué)版） 2019年2期2019-09-10
- 基于R-FPOP變點檢測的城市路段旅行時間預(yù)測
一種基于動態(tài)規(guī)劃變點檢測算法的旅行時間預(yù)測方法。以車牌識別數(shù)據(jù)為研究對象，利用R-FPOP算法對旅行時間均值變點進行在線檢測，研究變點時域分布特征;基于均值變點檢測結(jié)果，預(yù)測旅行時間并給出其預(yù)測區(qū)間。結(jié)果表明：在線檢測出的變點能夠有效辨識旅行時間的均值突變，變點時域分布主要集中在高峰期;旅行時間預(yù)測值對實際序列變化趨勢估計準(zhǔn)確，推送的預(yù)測區(qū)間平均覆蓋率為79.54%，具有較優(yōu)的預(yù)測精度。論文方法兼顧旅行時間均值突變且建模簡單，可為路段旅行時間的在線智能推送
貴州大學(xué)學(xué)報（自然科學(xué)版） 2019年2期2019-09-10
- 多項式回歸模型系數(shù)變點的在線監(jiān)測
生變化, 即產(chǎn)生變點。因此,檢測變點是否發(fā)生變化及何時發(fā)生對風(fēng)險控制及方案決策等至關(guān)重要。同時,變點檢測也是統(tǒng)計學(xué)的一個熱點問題, 它把統(tǒng)計控制理論、估計、假設(shè)檢驗和樣本抽樣方法結(jié)合起來[1]。從抽樣方法來分,變點檢測分為連續(xù)抽樣檢測(即在線監(jiān)測)和非連續(xù)抽樣檢測(離線檢測)。對變點的離線檢測發(fā)展較為成熟, 參見Sen和Srivastava(1975)[2], Csorgo和Horvah(1997)[3], Perron(2006)[4],Qian 和 S
山西大學(xué)學(xué)報（自然科學(xué)版） 2019年3期2019-08-22
- 基于U型統(tǒng)計量的泊松過程參數(shù)變點檢驗
0052)引 言變點問題是統(tǒng)計學(xué)中的熱門研究方向，在金融、醫(yī)學(xué)、氣象學(xué)和計算機領(lǐng)域等方面有廣泛地應(yīng)用。該問題源于質(zhì)量檢測與監(jiān)控?，F(xiàn)今，變點的應(yīng)用不再局限于工業(yè)質(zhì)量的檢測中，更廣泛地被應(yīng)用于經(jīng)濟、醫(yī)學(xué)、計算機等領(lǐng)域。[1]例如，在醫(yī)學(xué)中，心電圖韻律的檢測及流行病中傳染病的傳染率檢測；計算機領(lǐng)域中，圖像識別和圖形邊界的判斷等都依賴于變點的發(fā)展使用。另外，在生態(tài)環(huán)境和突發(fā)災(zāi)難方面，變點研究方法也發(fā)揮著重大作用。因此對變點問題的深入研究有著重大意義。泊松過程由法國
安徽師范大學(xué)學(xué)報（自然科學(xué)版） 2019年3期2019-08-01
- 面板數(shù)據(jù)公共變點的非參數(shù)最大似然估計
板數(shù)據(jù)中存在公共變點這一現(xiàn)象在經(jīng)濟學(xué)中十分常見.本文用非參數(shù)最大似然的方法研究了面板數(shù)據(jù)中帶有單個公共變點的問題,證明了當(dāng)面板個數(shù)N和每個序列的觀測值n都非常大時估計量的統(tǒng)計性質(zhì).迄今為止,大量的文獻致力于研究變點模型,尤其是在經(jīng)濟學(xué)、基因組研究、質(zhì)量控制、信號過程等領(lǐng)域.文獻[1-2]最早研究面板數(shù)據(jù)變點問題.他們研究了隨機變點模型中帶有N個序列的變點問題,且假設(shè)每個序列存在一個變點,而所有變點構(gòu)成的序列是獨立同分布的.文獻[3]用貝葉斯的框架分析面板數(shù)
- 改進最小二乘變點識別法在負荷分解的應(yīng)用
NILM方法中，變點識別的準(zhǔn)確性和魯棒性[3]，對于正確捕獲設(shè)備啟/停時刻，截取設(shè)備暫態(tài)信息起到關(guān)鍵作用，從而為特征提取與負荷識別的準(zhǔn)確性提供充分的保證[4]。以往NILM的研究多關(guān)注于負荷印記的種類，以及識別負荷的方法，卻忽略了變點檢測的重要性。但隨著用電設(shè)備日益多樣化，特別是多狀態(tài)型、連續(xù)變化型負荷的增多，變點檢測方法的抗干擾能力和精確性，對NILM顯得更為重要。變點，即一段數(shù)據(jù)中的異常點，在負荷分解中則定義為負荷的開關(guān)事件。變點識別最早由陳希孺教授提
計算機測量與控制 2019年6期2019-06-27
- 自正則檢驗Gamma分布的變點問題
3)1 研究背景變點問題在統(tǒng)計應(yīng)用中很常見，廣泛應(yīng)用于工業(yè)質(zhì)量控制、醫(yī)藥統(tǒng)計、生存分析、氣象生物學(xué)以及金融經(jīng)濟等領(lǐng)域.如果一個序列存在變點，則在變點前后，模型將會發(fā)生變化.如果忽略變點的存在，則會對統(tǒng)計推斷產(chǎn)生很大的影響，甚至?xí)贸鲥e誤結(jié)論.目前，多參數(shù)變點問題在統(tǒng)計推斷中越來越受到關(guān)注，但是研究文獻卻十分有限，以往的研究主要集中于均值或者方差變點的研究，本質(zhì)上這兩個參數(shù)是無關(guān)的，但是在Gamma分布中，均值和方差同時依賴于形狀參數(shù)和尺度參數(shù).因此研究Ga
長春師范大學(xué)學(xué)報 2019年6期2019-06-20
- 單分位數(shù)方法對時間序列尾指數(shù)變點檢測及應(yīng)用
者模型進行刻畫，變點則是指其分布、模型或其參數(shù)突然發(fā)生改變之點稱為變點，通過變點檢測可以分析出造成該變點的原因，從而找到有效的解決辦法。自Page以來，大量的研究都致力于變點分析這一理論及其在各個領(lǐng)域中的應(yīng)用[1]。在現(xiàn)有的方法中，Cusum檢驗因其在實際應(yīng)用中的易用性而長期流行，與似然法相比，原序列真實分布未知情況可使用Cusum方法。例如文獻[2,3]。在金融和生物統(tǒng)計中，數(shù)據(jù)常具有尖峰厚尾的性質(zhì)，尾指數(shù)是描述此特征的一個重要指標(biāo)。實際應(yīng)用中，大多數(shù)文
貴州大學(xué)學(xué)報(自然科學(xué)版) 2019年2期2019-04-30
- 金融指數(shù)的單變點非參數(shù)極大似然估計研究
756）0 引言變點問題的研究源于實際的需要。自1954年P(guān)age提出變點問題以來，變點問題經(jīng)過長期的研究發(fā)展，已經(jīng)應(yīng)用于諸多領(lǐng)域。在金融計量經(jīng)濟學(xué)中，變點分析可以用于找出市場（或經(jīng)濟）的發(fā)展方向[1]，此外變點分析還能用于找出信用卡詐騙[2]和其他的異常情況。在信號處理方面，對一個圖像流中重要變化的估計是十分重要的問題[3]。在醫(yī)學(xué)上，變點問題在DNA的拷貝數(shù)變異檢測上有了很大的應(yīng)用，而在現(xiàn)代基因芯片技術(shù)所產(chǎn)生的海量數(shù)據(jù)中找出拷貝數(shù)的變異就是變點問題的一
統(tǒng)計與決策 2019年3期2019-03-13
- 獨立泊松序列與指數(shù)序列的變點檢測方法比較
083）0 引言變點檢測涉及的基礎(chǔ)學(xué)科涵蓋了數(shù)理統(tǒng)計、應(yīng)用數(shù)學(xué)、計算機科學(xué)等，并在金融學(xué)、經(jīng)濟學(xué)、氣象學(xué)、環(huán)境學(xué)等多個學(xué)科中廣泛應(yīng)用。例如，在金融學(xué)研究中，宿成建和陳潔[1]應(yīng)用變點模型研究了滬深股股市波動性突變行為，并分析了1992—2002年上證和深證綜合指數(shù)的方差變點，對這些變點的經(jīng)濟意義進行了解釋。在自然環(huán)境研究中，涂新軍和陳曉宏[2]基于變點原理，運用似然比方法研究了存在變點的河川徑流量序列，并給出了一系列的結(jié)論。注意到對泊松分布序列和指數(shù)分布序
統(tǒng)計與決策 2018年19期2018-10-30
- 面板數(shù)據(jù)下序貫?zāi)Ｐ?span id="syggg00" class="hl">變點的漸近檢驗法
072)1 引言變點問題起源于工業(yè)質(zhì)量控制的領(lǐng)域,在質(zhì)量控制中非常重要的一點是如何快速檢測出生產(chǎn)線上不合格產(chǎn)品比例的增加.在建模和數(shù)據(jù)挖掘中,一個很常見的問題是,如何根據(jù)現(xiàn)有的樣本數(shù)據(jù),來判斷我們感興趣的一些量是否發(fā)生變化.這種問題在統(tǒng)計中我們稱其為變點問題.關(guān)于變點問題的建模和分析始于Page 1954年發(fā)表在《Biometrika》上的文獻[1],文獻主要考慮了利用分位數(shù)構(gòu)造的簡單檢測方法去檢驗生產(chǎn)線上觀察到數(shù)據(jù)的穩(wěn)定性.在此之后,關(guān)于變點問題的研究變
數(shù)學(xué)雜志 2018年4期2018-07-16
- 回歸系數(shù)變點估計的快速非迭代抽樣算法
，袁海靜0 引言變點問題是指在一隨機序列中存在某一時刻，使得該時刻兩側(cè)的序列服從不同的分布。從上世紀(jì)50年代開始，估計一隨機序列中變點的位置成為統(tǒng)計學(xué)中的研究熱點之一，Chen等[1]詳細介紹了各種變點模型及其在遺傳學(xué)、醫(yī)藥以及金融領(lǐng)域的應(yīng)用。其中一類問題是研究如何有效地估計線性回歸模型中回歸系數(shù)的變點位置，該類問題可描述為：對于序列yi，i=1，…n， 存在位置 r，p≤r≤n-p，使得：且 εi，i=1，…，n 相 互 獨 立 。 其 中 xi=(1，
統(tǒng)計與決策 2017年24期2018-01-13
- 航空器軌跡變點檢測與判識技術(shù)研究
00）航空器軌跡變點檢測與判識技術(shù)研究蘇志剛a，b，李志強a，郝敬堂b（中國民航大學(xué)a.天津市智能信號與圖像處理重點實驗室；b.中歐航空工程師學(xué)院，天津 300300）航空器飛行階段的有效劃分是支撐航空排放主動監(jiān)測的重要技術(shù)手段，采用變點檢測與判識的方法可有效地實現(xiàn)對航空器飛行階段的劃分。本研究根據(jù)多變量T2統(tǒng)計量的特點，在數(shù)據(jù)整體參數(shù)一致性假設(shè)下，提出了一種采用順序雙滑窗的航空器軌跡變點檢測與判識的方法。仿真與實驗結(jié)果表明，該方法對窗口長度較為敏感，在適
中國民航大學(xué)學(xué)報 2017年4期2017-09-19
- 基于約束HMM的變點檢測算法①
基于約束HMM的變點檢測算法①莊 玉,何振峰(福州大學(xué) 數(shù)學(xué)與計算機科學(xué)學(xué)院,福州 350108)時間序列的變點分析在現(xiàn)今社會各個領(lǐng)域中都有著廣泛的應(yīng)用.針對時間序列進行變點分析中要求變點狀態(tài)需要連續(xù)持續(xù)一定的時間的應(yīng)用背景,提出了一種結(jié)合狀態(tài)最短連續(xù)長度約束的隱馬爾可夫模型.給出了約束Baum-Welch訓(xùn)練算法和約束Viterbi狀態(tài)提取算法.應(yīng)用在仿真數(shù)據(jù)和GNP數(shù)據(jù)集的實驗表明,結(jié)合狀態(tài)最短連續(xù)長度約束的HMM相比于一般HMM在時間序列變點檢測中效
計算機系統(tǒng)應(yīng)用 2017年5期2017-06-07
- 厚尾均值漸變變點的最小二乘估計
)?厚尾均值漸變變點的最小二乘估計任肖霖，趙文芝(西安工程大學(xué) 理學(xué)院，西安 710048)利用最小二乘估計方法，給出隨機誤差為ARCH過程的均值漸變變點估計量，并證明了該估計量的相合性及收斂速度．通過Monte Carlo模擬說明估計的有效性．漸變模型；厚尾序列；最小二乘估計在對實際的金融數(shù)據(jù)進行分析的過程中，學(xué)者們發(fā)現(xiàn)金融市場經(jīng)常會受到一些突發(fā)事件的影響，而使得金融數(shù)據(jù)在某個時刻k后，樣本的分布或分布參數(shù)緩慢地開始變化．在對金融數(shù)據(jù)進行建模時，必須對漸
- 變點方法在多項分布數(shù)據(jù)中的應(yīng)用*
300222)?變點方法在多項分布數(shù)據(jù)中的應(yīng)用*白艷麗,訾雪旻(天津職業(yè)技術(shù)師范大學(xué)理學(xué)院，天津 300222)利用變點方法，建立了基于多項分布數(shù)據(jù)這種復(fù)雜數(shù)據(jù)的監(jiān)控模型，通過數(shù)值模擬，驗證了檢驗統(tǒng)計量的優(yōu)良性，所做變點模型能夠準(zhǔn)確地找到變點的位置及變點估計值，為更多的實際應(yīng)用提供有力依據(jù).多項分布數(shù)據(jù)；變點方法；漸近正態(tài)；同質(zhì)檢驗1 問題描述當(dāng)對生產(chǎn)過程進行控制時，需要對產(chǎn)品數(shù)據(jù)進行收集分析，當(dāng)統(tǒng)計過程可控時，數(shù)據(jù)的數(shù)值特征就會服從于統(tǒng)計學(xué)上某個穩(wěn)定的分
菏澤學(xué)院學(xué)報 2016年5期2016-11-30
- 多元正態(tài)向量變點在線監(jiān)測
現(xiàn)質(zhì)變的時刻稱為變點。在實際應(yīng)用中，數(shù)據(jù)的生成機制常由于內(nèi)在或外在因素的變化而發(fā)生變化。因此很多實際數(shù)據(jù)存在變點，而對變點的統(tǒng)計推斷可以使數(shù)據(jù)的統(tǒng)計分析更為準(zhǔn)確，因此變點從質(zhì)量控制領(lǐng)域逐漸應(yīng)用到經(jīng)濟、金融、醫(yī)學(xué)、氣候分析等諸多領(lǐng)域。變點問題最初由Page［1］提出，由于其理論和應(yīng)用的重要性而受到很多統(tǒng)計學(xué)者的關(guān)注。Bai［2］基于最小二乘法給出了線性過程均值變點的估計。Bai［3］用極大似然法考慮回歸模型系數(shù)的多變點問題。Perron 基于最小二乘法考慮了
山西大學(xué)學(xué)報（自然科學(xué)版） 2015年3期2015-05-10
- 熱處理對馬尾松藍變材顏色的影響1)
理前后分別測量藍變點與未藍變點的顏色，分析了藍變材顏色的均勻性，對比了藍變點與未藍變點的顏色差異和變化規(guī)律。實驗結(jié)果表明：熱處理后，藍變材顏色參數(shù)的標(biāo)準(zhǔn)差逐漸降低，藍變點與未藍變點明度差、黃藍色品指數(shù)差減小，其色差可以從17.57降低到小于1。均值比較結(jié)果顯示，經(jīng)過200 ℃以下的熱處理，藍變點與未藍變點間的顏色參數(shù)仍然具有顯著性差異。為了使藍變色斑達到肉眼不容易識別的程度，最低的熱處理條件為200 ℃下處理6 h。熱處理；馬尾松；藍變材顏色We esta
東北林業(yè)大學(xué)學(xué)報 2015年4期2015-03-10
- 運用變點理論對連漲連跌收益率的Bayes分析
］通過生存分析與變點理論對深證成指進行了研究，發(fā)現(xiàn)連漲和連跌的股指收益率服從伽瑪分布，并對深證成指連漲和連跌的收益率作了變點檢驗；文獻［4］運用生存分析與變點理論對上證指數(shù)進行了研究，發(fā)現(xiàn)了股指在不同的政策時期其上漲和下跌的概率是不同的；文獻［5］基于Copula－ACD模型對股票連漲和連跌收益率作了風(fēng)險分析。變點問題最初始于Page在1954年發(fā)表的一篇關(guān)于連續(xù)抽樣檢驗的文章，它廣泛應(yīng)用于工業(yè)質(zhì)量控制、經(jīng)濟、金融等領(lǐng)域。研究變點問題的方法［6－7］有很多
- 含有協(xié)變量的復(fù)發(fā)事件變點模型的參數(shù)估計
協(xié)變量的復(fù)發(fā)事件變點模型的參數(shù)估計李云霞，周杏杏（浙江財經(jīng)大學(xué) 數(shù)學(xué)與統(tǒng)計學(xué)院，浙江 杭州 310018）針對復(fù)發(fā)事件數(shù)據(jù)協(xié)變量的重要作用，建立含有協(xié)變量的復(fù)發(fā)事件變點模型，考慮協(xié)變量作用于強度率函數(shù)的情形。對于此模型，使用最大似然方法得到變點及各參數(shù)估計，并得到了變點估計的相合性。最后對于同時存在待估參數(shù)和待估變點的似然函數(shù)，采用最速上升法進行了數(shù)據(jù)模擬。變點；復(fù)發(fā)事件；協(xié)變量；最大似然估計；最速上升法一、引 言復(fù)發(fā)事件數(shù)據(jù)是指對個體進行觀察，某種感興趣
統(tǒng)計與信息論壇 2014年7期2014-05-12
- 小波檢測并估計非參函數(shù)變點
測并估計非參函數(shù)變點趙文芝1,夏志明2(1.西安工程大學(xué)理學(xué)院,陜西 西安 710048;2.西北大學(xué)數(shù)學(xué)系,陜西 西安 710127)研究隨機設(shè)計下非參函數(shù)變點的小波檢測與估計問題.將小波方法與設(shè)計點轉(zhuǎn)化方法相結(jié)合給出變點的檢測統(tǒng)計量并研究檢測的一致性.給出了變點個數(shù)和變點位置的估計量,證明了變點個數(shù)估計量的相合性并得到變點位置估計量的收斂速度.變點;非參數(shù)回歸模型;小波變換;收斂速度1 引言本文考慮非參數(shù)回歸模型其中εi是均值為0方差為1的i.i.d.
- 相依序列方差變點的非參數(shù)統(tǒng)計分析
估計問題稱為方差變點問題.近年來，方差變點的研究已經(jīng)成為金融和數(shù)理統(tǒng)計學(xué)家研究的熱門課題.經(jīng)典變點理論研究的主要內(nèi)容是：給定一個隨機變量的序列，在序列中某個未知時刻分布函數(shù)潛在地發(fā)生變化，需要使用已知觀測數(shù)據(jù)來估計分布中變點的位置，并在理論上研究變點檢驗統(tǒng)計量的性質(zhì).近年來，已有很多學(xué)者對變點問題給出了較為詳盡的參數(shù)和非參數(shù)估計方法［1-2］.對經(jīng)濟數(shù)據(jù)的分析中可以發(fā)現(xiàn)，在很多情況下數(shù)據(jù)之間具有相依性結(jié)構(gòu)，且分布函數(shù)形式未知.文獻［3-4］討論了數(shù)據(jù)的相依
上海大學(xué)學(xué)報（自然科學(xué)版） 2011年6期2011-01-31