Change-Point Detection in Time Series Using Mixed Integer Programming
利用混合整数规划检测时间序列变点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。
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：摘要明确研究时间序列回归中的结构断点检测、数量与位置估计。
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…
利用混合整数规划检测时间序列变点
- 研究问题
- 如何在时间序列回归中同时选择结构断点数量、位置与回归系数，并在允许指定断点数量约束时求解相应优化问题？
- 方法与思路
- 作者把惩罚断点数量的最小二乘问题改写为含整数和实数变量的二次规划，利用混合整数优化求解并推导估计量渐近性质。
- 材料陈述的贡献
- 摘要称该框架可获得可证明最优的优化解，同时估计断点和系数；数值实验显示多断点估计较若干非混合整数方法更准确。
- 阅读关注点
- 应核对断点最小间距和误差条件、惩罚选择、渐近结论，以及求解器的最优性认证、计算成本和比较方法设置。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明理论条件与运行规模，优化全局最优不等于统计估计误差最小。
原文摘要
We use cutting-edge mixed integer optimization (MIO) methods to develop a framework for detection and estimation of structural breaks in time series regression models. The framework is constructed based on the least squares problem subject to a penalty on the number of breakpoints. We restate the $l_0$-penalized regression problem as a quadratic programming problem with integer- and real-valued arguments and show that MIO is capable of finding provably optimal solutions using a well-known optimization solver. Compared to the popular $l_1$-penalized regression (LASSO) and other classical methods, the MIO framework permits simultaneous estimation of the number and location of structural breaks as well as regression coefficients, while accommodating the option of specifying a given or minimal number of breaks. We derive the asymptotic properties of the estimator and demonstrate its effectiveness through extensive numerical experiments, confirming a more accurate estimation of multiple breaks as compared to popular non-MIO alternatives. Two empirical examples demonstrate usefulness of the framework in applications from business and economic statistics.