On Detecting Multiple Simultaneous Change-points in High Dimensional Non-Stationary Time Series
高维非平稳时间序列中多个同时变点的检测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。
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：摘要直接研究高维经济金融时间序列的多重同时结构变点及其一致检测。
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
高维非平稳时间序列中多个同时变点的检测
- 研究问题
- 在高维非平稳经济金融时间序列中，如何识别多个同时发生的变点，变化幅度、变点数量与样本长度需要怎样配合？
- 方法与思路
- 作者使用标准及自适应融合组套索，以统一或数据依赖权重施加混合范数惩罚，并分析估计一致性与变点选择一致性。
- 材料陈述的贡献
- 摘要称，适当条件下方法具有二范数一致性，自适应权重可使正确选择变点的概率趋于一，并量化变化强度与样本规模条件。
- 阅读关注点
- 应核对非平稳过程与同时变化的定义、最小变化幅度及变点数量限制，并检查惩罚参数、权重构造和变点定位精度。
- 阅读边界
- 本资料为 arXiv 预印本，同行评审及期刊接收未核实；摘要未列明一致性的具体条件或实证检测结果，不能据此判断有限样本可靠性。
原文摘要
This paper studies the detection of multiple simultaneous (systematic) change points for high-dimensional nonstantionary economic and financial time series data. The analytic framework used is based on the standard and adaptive fused group lasso method, where the mixed L_{2,1} penalty is either uniform or re-weighted by data-dependent weights. This paper shows that, under appropriate conditions, this approach is L_2 consistent and, by adopting the data-dependent weights, could correctly select the change points with probability approaching unity (L_0 consis- tency). It quantifies the conditions on the interplay among the averaged minimum magnitude of structural changes, the number of change points and the number of observations for consistently discovering the change points. The performance of this approach is illustrated via an analysis of a large panel of U.S. economic and financial time series data over the past 50 years.