A robust method for shift detection in time series
时间序列水平变化检测的稳健方法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：摘要明确研究短程依赖时间序列中的变点检测和特征稳定性检验。
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…
时间序列水平变化检测的稳健方法
- 研究问题
- 如何对可能重尾或偏斜的短程依赖时间序列检验水平是否发生变化，并将方法用于考察其他分布特征的稳定性？
- 方法与思路
- 作者基于两样本 Hodges–Lehmann 估计量构造非参数变点检验，建立两样本 U 分位数过程的极限理论并推导零假设分布。
- 材料陈述的贡献
- 摘要称该理论不需要矩条件，所提检验在多种分布下整体表现优于若干累积和检验改法，也可利用变换考察其他特征。
- 阅读关注点
- 应核对短程依赖的具体条件、检验统计量的标准化和临界值计算，以及变换后检验所对应的稳定性对象。
- 阅读边界
- 仅据所给 Crossref 摘要，不能将无矩条件等同于无依赖限制，也无法判断长记忆情形或各种变换下的具体检验性质。
原文摘要
Summary We present a robust and nonparametric test for the presence of a changepoint in a time series, based on the two-sample Hodges–Lehmann estimator. We develop new limit theory for a class of statistics based on two-sample U-quantile processes in the case of short-range dependent observations. Using this theory, we derive the asymptotic distribution of our test statistic under the null hypothesis of a constant level. The proposed test shows better overall performance under normal, heavy-tailed and skewed distributions than several other modifications of the popular cumulative sums test based on U-statistics, one-sample U-quantiles or M-estimation. The new theory does not involve moment conditions, so any transform of the observed process can be used to test the stability of higher-order characteristics such as variability, skewness and kurtosis.