BOOTSTRAP INFERENCE FOR MULTIPLE CHANGE-POINTS IN TIME SERIES
时间序列多个变点的自助法推断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：摘要直接研究分段平稳时间序列中的多个结构变点及其推断。
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
时间序列多个变点的自助法推断
- 研究问题
- 对分段平稳时间序列，如何同时估计变点数量和位置，并为各变点提供置信区间，而不只进行变点检测？
- 方法与思路
- 作者提出参数自助法和区块自助法近似变点估计量的有限样本分布，再将其用于广义似然比扫描方法，开展多变点推断。
- 材料陈述的贡献
- 摘要称方法可估计多个变点并提供位置置信区间，检测计算复杂度可低至 O(n(log n)^3)，并以模拟和金融序列应用展示效果。
- 阅读关注点
- 应核对分段平稳及变点间距条件、自助法参数选择、估计变点数量后的区间覆盖，以及复杂度结论包含哪些计算步骤。
- 阅读边界
- 仅据所给 Crossref 版本摘要，区间覆盖条件、模拟数值及两种自助法的适用差异未说明；不能推断普遍有效性或后续刊本变化。
原文摘要
In this paper, we propose two bootstrap procedures, namely parametric and block bootstrap, to approximate the finite sample distribution of change-point estimators for piecewise stationary time series. The bootstrap procedures are then used to develop a generalized likelihood ratio scan method (GLRSM) for multiple change-point inference in piecewise stationary time series, which estimates the number and locations of change-points and provides a confidence interval for each change-point. The computational complexity of using GLRSM for multiple change-point detection is as low as $O(n(\log n)^{3})$ for a series of length n . Extensive simulation studies are provided to demonstrate the effectiveness of the proposed methodology under different scenarios. Applications to financial time series are also illustrated.