.png){kind=icon}
返回
Multiscale Mean Shift Detection with Robust Time-varying Variance Estimation
.png){kind=icon}
PRE
AI
DOI：10.1007/s10614-026-11337-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
许多经济和金融时间序列表现出水平和波动性同时发生变化。因此，在检测时间序列的均值突变时，必须考虑变化的或平滑演变的波动性，因为它会干扰方法的检测能力。本研究中，我们引入了一种尺度依赖的、稳健的时间可变时间平均方差常数（TAVC）估计器，并将其与多尺度移动和（MOSUM）程序相结合，用于检测时间序列数据中的均值突变。我们在平滑变化方差、重尾和序列相关误差等温和正则条件下，建立了时间可变TAVC估计器的一致性。此外，我们在原假设和备择假设下推导了与TAVC相结合的MOSUM程序的渐近分布和检测精度。广泛的模拟研究显示，所提出的方法在位置精度、错误发现控制以及跨不同噪声结构的变点数量正确估计方面优于现有方法。对美国国民生产总值增长和原油收益率序列的实证应用突出了其揭示具有经济意义的结构突变的能力，例如衰退-扩张转型、市场冲击和地缘政治危机。通过结合统计严谨性与计算效率，该方法为宏观经济和金融数据的结构变化分析提供了一个实用工具。
Keyword:
Change point detection
Time-average variance constant
Time-varying variance
Robust estimation
Moving sum procedure
