ESTIMATION OF CHANGE-POINTS IN LINEAR AND NONLINEAR TIME SERIES MODELS
线性与非线性时间序列模型的变点估计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：摘要研究时间序列变点，并明确应用于 GARCH／IGARCH 模型，对应结构变化、时间序列和波动率方向。
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
线性与非线性时间序列模型的变点估计
- 研究问题
- 在线性和非线性时间序列中，变点位置及其他参数估计具有怎样的极限分布，小幅参数变化时又如何近似？
- 方法与思路
- 作者基于可测目标函数建立变点渐近理论，分析小幅变化近似，并应用于 ARMA-GARCH／IGARCH 的准极大似然估计。
- 材料陈述的贡献
- 摘要称变点估计收敛到双边随机游走最大值的位置，其他参数渐近正态，并将小幅变化近似与已有理论联系起来。
- 阅读关注点
- 应核对目标函数条件、变点分布的归一化，以及固定小幅变化与随样本量缩小的变化之间如何衔接。
- 阅读边界
- 仅据所给 Crossref 摘要；目标函数限制、具体近似误差及模拟数值未说明，不能据此推断其他版本变化。
原文摘要
This paper develops an asymptotic theory for estimated change-points in linear and nonlinear time series models. Based on a measurable objective function, it is shown that the estimated change-point converges weakly to the location of the maxima of a double-sided random walk and other estimated parameters are asymptotically normal. When the magnitude d of changed parameters is small, it is shown that the limiting distribution can be approximated by the known distribution as in Yao (1987, Annals of Statistics 15, 1321–1328). This provides a channel to connect our results with those in Picard (1985, Advances in Applied Probability 17, 841–867) and Bai, Lumsdaine, and Stock (1998, Review of Economic Studies 65, 395–432), where the magnitude of changed parameters depends on the sample size n and tends to zero as n → ∞. The theory is applied for the self-weighted QMLE and the local QMLE of change-points in ARMA-GARCH/IGARCH models. A simulation study is carried out to evaluate the performance of these estimators in the finite sample.