Elliptical Regularized Hotelling Tests for High-Dimensional Change-Point Detection
高维变点检测的椭圆正则化Hotelling检验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：摘要核心是高维序列的位置变点检测与多变点定位，属结构变化方向；实证使用Fama–French 49个行业组合，涉及金融因子组合数据。
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
高维变点检测的椭圆正则化Hotelling检验
- 研究问题
- 摘要称，研究问题是在重尾且横截面相依的高维序列中检测位置变化，即如何对这类序列做变点检验与定位。
- 方法与思路
- 作者提出ERHT方法：用相邻段的空间中位数之差构造统计量，并以合并中心化空间符号协方差矩阵的岭正则化逆进行加权，兼顾对径向变异的稳健性与相依结构。
- 材料陈述的贡献
- 摘要称建立了单变点与多变点扫描的高斯过程极限及有限正则参数集上的联合收敛，据此给出Cauchy聚合自适应检验的渐近精确校准，并给出局部功效与单变点定位保证；将得分嵌入wild binary segmentation并证明多变点数目与位置估计的相合性。
- 阅读关注点
- 阅读全文时应核对：椭圆分布假设的具体形式与可检验性、正则参数集与联合高斯极限的条件、空间符号协方差估计的维数条件、wild binary segmentation的调参与相合性所需假设，以及模拟与Fama–French实证的具体设定。
- 阅读边界
- 仅凭摘要无法判断假设是否现实、有限样本表现、正则参数选择的影响，也无法核实证明细节与实证结论；摘要未说明数据生成过程与具体数值。该文为arXiv预印本，未经同行评审验证。
原文摘要
We propose an elliptical regularized Hotelling (ERHT) procedure for detecting location changes in high-dimensional sequences with heavy-tailed, cross-sectionally dependent observations. ERHT contrasts spatial medians on adjacent segments using a ridge-regularized inverse of the pooled centered spatial-sign covariance matrix, thereby combining robustness to radial variation with dependence-aware weighting. We establish Gaussian-process limits for the single- and multiple-change scans and joint convergence over a finite set of regularization parameters. These results provide asymptotically exact calibration of a Cauchy-aggregated adaptive test through the joint Gaussian limit, together with guarantees for local power and single-change localization. We further embed the ERHT score in wild binary segmentation and prove consistency for estimating the number and locations of multiple changes. Simulations show that ERHT is generally well calibrated and delivers competitive power under heavy-tailed distributions, particularly when cross-sectional dependence is substantial. An analysis of the Fama--French 49 industry portfolios reveals persistent evidence of location instability and identifies four structural breaks.