Detecting gradual changes in locally stationary processes
局部平稳过程中的渐进变化检测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：摘要明确研究局部平稳时间序列及渐进变点，直接对应时间序列与结构变化方向。
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
局部平稳过程中的渐进变化检测
- 研究问题
- 时间序列的均值、自协方差或高阶矩先保持近似不变、随后逐渐变化时，如何定位这些性质开始变化的时间点？
- 方法与思路
- 作者在局部平稳框架内构造完全非参数的平滑变点估计程序，推导收敛速率，并以模拟和金融收益数据展示。
- 材料陈述的贡献
- 摘要称该程序可处理均值、协方差、自协方差及高阶矩等多种性质，建立估计量收敛速率并考察有限样本表现。
- 阅读关注点
- 应核对局部平稳与平滑变点的定义、变化起始处的条件、调参和速率，以及金融应用究竟检测哪类随机性质。
- 阅读边界
- 材料为OpenAlex索引摘要，稿件版本未注明；具体速率、调参规则与模拟结果未提供，金融应用不直接支持收益预测能力。
原文摘要
In a wide range of applications, the stochastic properties of the observed time series change over time. The changes often occur gradually rather than abruptly: the properties are (approximately) constant for some time and then slowly start to change. In many cases, it is of interest to locate the time point where the properties start to vary. In contrast to the analysis of abrupt changes, methods for detecting smooth or gradual change points are less developed and often require strong parametric assumptions. In this paper, we develop a fully nonparametric method to estimate a smooth change point in a locally stationary framework. We set up a general procedure which allows us to deal with a wide variety of stochastic properties including the mean, (auto)covariances and higher moments. The theoretical part of the paper establishes the convergence rate of the new estimator. In addition, we examine its finite sample performance by means of a simulation study and illustrate the methodology by two applications to financial return data.