REAL-TIME MONITORING WITH RCA MODELS
随机系数自回归模型的实时变点监测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要核心是随机系数自回归时间序列的在线结构变化检测，并讨论平稳与非平稳状态转换。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
随机系数自回归模型的实时变点监测
- 研究问题
- 如何对随机系数自回归过程进行在线变点检测，并在事先不知道平稳性的情况下控制整个监测程序的误报概率？
- 方法与思路
- 作者基于加权最小二乘残差构造加权 CUSUM 与 Page-CUSUM 统计量，推导不同权重及监测期限下的零假设极限。
- 材料陈述的贡献
- 摘要称建立了开放式与固定期限监测的程序整体尺寸控制，涵盖标准化统计量及外生回归量，并允许平稳性状态变化。
- 阅读关注点
- 应核对随机系数与外生变量条件、训练样本和监测边界设置，以及尺寸控制和检测延迟结论分别依赖的假设。
- 阅读边界
- 仅据所给 Crossref 版本摘要，不能判断具体报警阈值或各类变化的检测能力；应用不构成普遍保证，也不推断刊本变化。
原文摘要
We propose a family of weighted statistics based on the CUSUM process of the WLS residuals for the online detection of changepoints in a Random Coefficient Autoregressive model, using both the standard CUSUM and the Page-CUSUM process. We derive the asymptotics under the null of no changepoint for all possible weighing schemes, including the case of the standardized CUSUM, for which we derive a Darling–Erdös-type limit theorem; our results guarantee the procedure-wise size control under both an open-ended and a closed-ended monitoring. In addition to considering the standard RCA model with no covariates, we also extend our results to the case of exogenous regressors. Our results can be applied irrespective of (and with no prior knowledge required as to) whether the observations are stationary or not, and irrespective of whether they change into a stationary or nonstationary regime. Hence, our methodology is particularly suited to detect the onset, or the collapse, of a bubble or an epidemic. Our simulations show that our procedures, especially when standardising the CUSUM process, can ensure very good size control and short detection delays. We complement our theory by studying the online detection of breaks in epidemiological and housing prices series.