Testing for change points in time series models and limiting theorems for NED sequences
时间序列模型的变点检验与近历依赖序列的极限定理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：摘要明确讨论时间序列模型的变点 Wald 检验，并给出长记忆分数 ARIMA 应用。
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
时间序列模型的变点检验与近历依赖序列的极限定理
- 研究问题
- 对一类时间序列模型，如何利用近历依赖序列的极限定理，建立无变点原假设下 Wald 变点检验的渐近理论？
- 方法与思路
- 作者先建立近历依赖序列前向和后向和的强大数律与强不变原理，再据此推导 Wald 检验的渐近性质。
- 材料陈述的贡献
- 摘要称发展了较一般时间序列模型的变点检验理论，并以长记忆分数 ARIMA 模型为应用，验证所需假设。
- 阅读关注点
- 应核对近历依赖条件、前后向和的处理、未知变点搜索范围，以及分数 ARIMA 应用中允许的参数范围。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；未给出检验极限分布、临界值或备择下功效，不能判断实际检验表现。
原文摘要
This paper first establishes a strong law of large numbers and a strong invariance principle for forward and backward sums of near-epoch dependent sequences. Using these limiting theorems, we develop a general asymptotic theory on the Wald test for change points in a general class of time series models under the no change-point hypothesis. As an application, we verify our assumptions for the long-memory fractional ARIMA model.