Validating Stationarity Assumptions in Time Series Analysis by Rolling Local Periodograms
利用滚动局部周期图检验时间序列平稳性假设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：摘要明确检验时间序列弱平稳性并检测自协方差结构变化，因此直接对应时间序列与结构变化两个方法方向。
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
利用滚动局部周期图检验时间序列平稳性假设
- 研究问题
- 对于自协方差结构缓慢变化的过程，如何检验弱平稳性，并识别时间序列中可能出现的二阶依赖结构变化？
- 方法与思路
- 作者比较滚动窗口局部周期图与全样本谱估计的平方积分距离，取时间上的上确界，并用自助法确定临界值。
- 材料陈述的贡献
- 摘要称研究了偏差过程的大样本性质，以模拟考察检验尺寸和功效，并用真实数据展示自协方差变化的检测。
- 阅读关注点
- 应核对窗口长度、谱估计和自助法的构造，缓慢变化过程的定义，以及检验拒绝后解释变化性质的依据。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；过程条件、调参规则与检测能力未详述，不能据未拒绝结论确认平稳。
原文摘要
We propose a simple and powerful procedure to validate the assumption of weak stationarity in time series analysis. Our focus is on processes with a slowly varying autocovariance structure. The procedure evaluates the supremum over time of the L2-distance between the local sample spectral density (local periodogram) calculated using a segment of observations falling within a rolling window and an estimator of the spectral density obtained using the entire time series at hand. Large sample properties of a basic deviation process are investigated and critical values of a supremum type test are obtained using an appropriate bootstrap procedure. The finite sample size and power properties of the procedure are investigated by means of simulations. Real data examples demonstrate the ability of the procedure to detect (possible) changes in the autocovariance structure of a time series and to understand their nature.