Real-time monitoring with RCA models
随机系数自回归模型的实时变化监测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。
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：摘要研究随机系数自回归时间序列的在线变化点检测及状态转换，因此归入时间序列和结构变化。
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
随机系数自回归模型的实时变化监测
- 研究问题
- 随机系数自回归序列可能平稳或非平稳时，如何在线监测变化点，并在开放式和有限期限监测中控制整体误报概率？
- 方法与思路
- 作者基于加权最小二乘残差构造加权 CUSUM 与 Page-CUSUM 统计量，推导无变化原假设下的渐近分布，并扩展至外生回归量。
- 材料陈述的贡献
- 摘要称方法无需预先知道平稳状态即可提供监测程序的尺寸控制，标准化统计量具有 Darling–Erdos 型极限，并展示检测延迟表现。
- 阅读关注点
- 应核对权重方案、训练样本及监测期限的设定、平稳与非平稳状态下的统一条件，以及尺寸控制与检测延迟的评价方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要未列明渐近条件和数值结果，检测住房价格变化也不等于识别泡沫的因果机制。
原文摘要
We propose a family of weighted statistics based on the CUSUM process of the WLS residuals for the online detection of changepoints in a Random Coefficient Autoregressive model, using both the standard CUSUM and the Page-CUSUM process. We derive the asymptotics under the null of no changepoint for all possible weighing schemes, including the case of the standardised CUSUM, for which we derive a Darling-Erdos-type limit theorem; our results guarantee the procedure-wise size control under both an open-ended and a closed-ended monitoring. In addition to considering the standard RCA model with no covariates, we also extend our results to the case of exogenous regressors. Our results can be applied irrespective of (and with no prior knowledge required as to) whether the observations are stationary or not, and irrespective of whether they change into a stationary or nonstationary regime. Hence, our methodology is particularly suited to detect the onset, or the collapse, of a bubble or an epidemic. Our simulations show that our procedures, especially when standardising the CUSUM process, can ensure very good size control and short detection delays. We complement our theory by studying the online detection of breaks in epidemiological and housing prices series.