Epidemic change-point detection in general causal time series
一般因果时间序列中的暂时性变点检测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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究多类时间序列模型中的参数变点检测。
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
一般因果时间序列中的暂时性变点检测
- 研究问题
- 在包含自回归和条件异方差过程的一般因果时间序列中，如何检验参数是否曾在一段区间内发生暂时性变化，而非始终保持不变？
- 方法与思路
- 作者基于参数的高斯准最大似然估计构造检验统计量，研究无变化原假设下的极限分布及暂时性变化备择下的发散性质。
- 材料陈述的贡献
- 摘要称统计量在原假设下收敛到由两个布朗桥之差得到的分布，在暂时性变化备择下趋于无穷，并提供模拟和真实数据例子。
- 阅读关注点
- 应核对暂时性变化的正式定义、候选区间的限制、模型依赖与矩条件，以及极限分布如何用于计算临界值。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明完整理论条件；题名中的因果时间序列不等同于因果效应识别。
原文摘要
We consider an epidemic change-point detection in a large class of causal time series models, including among other processes, AR($\infty$), ARCH($\infty$), TARCH($\infty$), ARMA-GARCH. A test statistic based on the Gaussian quasi-maximum likelihood estimator of the parameter is proposed. It is shown that, under the null hypothesis of no change, the test statistic converges to a distribution obtained from a difference of two Brownian bridge and diverges to infinity under the epidemic alternative. Numerical results for simulation and real data example are provided.