A general procedure for change-point detection in multivariate time series
多元时间序列变点检测的一般程序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：摘要明确针对多元时间序列构造变点检验并研究其渐近分布与一致性。
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
多元时间序列变点检测的一般程序
- 研究问题
- 如何为连续取值及整数取值的多元时间序列建立统一变点检验，使不同估计准则都能用于检验是否发生变化？
- 方法与思路
- 作者基于一般对比函数产生的估计量构造 Wald 型统计量，允许使用似然、拟似然或最小二乘等估计方法。
- 材料陈述的贡献
- 摘要称，在给定充分条件下，统计量在无变化时收敛至已知分布，在有变化时发散，从而建立检验一致性。
- 阅读关注点
- 应核对对比函数和时间依赖的正则条件、零假设极限分布、备择变化形式，以及示例模型是否满足这些要求。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明具体条件、极限分布或模拟数值，无法评价有限样本误差。
原文摘要
We consider the change-point detection in multivariate continuous and integer valued time series. We propose a Wald-type statistic based on the estimator performed by a general contrast function; which can be constructed from the likelihood, a quasi-likelihood, a least squares method, etc. Sufficient conditions are provided to ensure that the statistic convergences to a well-known distribution under the null hypothesis (of no change) and diverges to infinity under the alternative; which establishes the consistency of the procedure. Some examples are detailed to illustrate the scope of application of the proposed procedure. Simulation experiments are conducted to illustrate the asymptotic results.