Detection of Multiple Changes of Variance Using Posterior Odds
利用后验赔率检测多个方差变点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：摘要直接研究时间序列的多个方差变点，并以金融序列作示例，因此对应时间序列、结构变化与金融波动率方向。
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
利用后验赔率检测多个方差变点
- 研究问题
- 时间序列中是否存在多个方差变点，变点位于何处，各段方差有多大，以及如何用贝叶斯证据表达这些判断的不确定性？
- 方法与思路
- 作者提出基于后验赔率的贝叶斯程序，首先针对独立观测序列建立方法，并讨论自回归扩展，以后验分布概括变点位置与分段方差。
- 材料陈述的贡献
- 摘要称该程序可评估多个方差变化的证据，并用后验分布汇总变点位置和方差幅度的信息，同时以金融序列展示其用法。
- 阅读关注点
- 重点核对先验设定、后验赔率的构造及变点个数的处理方式，并查看自回归扩展的适用条件与金融示例提供的证据。
- 阅读边界
- 摘要未说明先验选择、计算算法、判断阈值或检测性能，也未给出自回归扩展细节；仅凭金融示例描述无法判断普遍检测表现。
原文摘要
This article uses a Bayesian procedure based on obtaining posterior odds to assess the evidence about the existence of multiple changes of variance in a time series. The approach is developed for sequences of independent observations. An extension to consider autoregressive models is also discussed. The information on the data about the location of the change points and the magnitude of the variances at the different pieces of the series is summarized through posterior distributions. The procedure is illustrated with a well-known financial series.