Strong rules for detecting the number of breaks in a time series
检测时间序列结构突变数量的强一致规则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：摘要以时间序列均值结构突变的数量检测为核心，并讨论序列依赖和长期方差，因此对应结构变化与时间序列。
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
检测时间序列结构突变数量的强一致规则
- 研究问题
- 在逐次估计突变点、观测存在依赖和异质性时，如何可靠识别时间序列均值突变的数量，并避免遗漏突变影响方差估计？
- 方法与思路
- 作者提出顺序的几乎必然判定规则，以及遗漏突变时仍一致的长期方差估计量，并开展模拟和欧洲美元周利率应用。
- 材料陈述的贡献
- 摘要称，该规则在大样本下消除高估和低估突变数量的概率；新长期方差估计量允许遗漏突变，利率应用检出多个突变。
- 阅读关注点
- 应核对顺序规则的阈值、突变间隔与幅度条件、允许的依赖和异质性，以及长期方差估计在遗漏突变下的一致性证明。
- 阅读边界
- 仅依据作者／机构库版本摘要，不能推断后续刊本变化；摘要未列明完整条件、模拟数值或实证突变日期，不能保证小样本无误判。
原文摘要
This paper proposes a new approach for detecting the number of structural breaks in a time series when estimation of the breaks is performed one at the time. We consider the case of shifts in the mean of a possibly nonlinear process, allowing for dependent and heterogeneous observations. This is accomplished through a simple, sequential, almost sure rule ensuring that, in large samples, both the probabilities of overestimating and underestimating the number of breaks are zero. A new estimator for the long run variance which is consistent also in the presence of neglected breaks is proposed. The finite sample behavior is investigated via a simulation exercise. The sequential procedure, applied to the weekly Eurodollar interest rate, detects multiple breaks over the period 1973-1995.