Functional Estimation and Change Detection for Nonstationary Time Series
非平稳时间序列的泛函估计与变化检测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：摘要直接讨论局部平稳时间序列的结构变化推断，并明确以高频资产价格作为应用。
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
非平稳时间序列的泛函估计与变化检测
- 研究问题
- 当时间序列在无目标参数变化的原假设下仍可非平稳时，如何检出目标参数的结构变化，同时容许其他特征发生变化？
- 方法与思路
- 作者为局部平稳序列构造积分参数估计量，建立泛函中心极限定理，并提出一致的自助法以实施变化点推断。
- 材料陈述的贡献
- 摘要称框架覆盖矩的非线性函数，包括峰度、自相关和线性回归系数，并通过模拟及高频资产价格应用展示方法。
- 阅读关注点
- 应核对局部平稳设定、目标变化与干扰变化的区分、积分参数和检验统计量的关系，以及自助法一致性所需条件。
- 阅读边界
- 所给材料为arXiv 2212.00447v1预印本摘要；即使附有期刊元数据，也不能据此声称该版本已同行评审或被接收，更不能推断刊本变化。
原文摘要
Tests for structural breaks in time series should ideally be sensitive to breaks in the parameter of interest, while being robust to nuisance changes. Statistical analysis thus needs to allow for some form of nonstationarity under the null hypothesis of no change. In this paper, estimators for integrated parameters of locally stationary time series are constructed and a corresponding functional central limit theorem is established, enabling change-point inference for a broad class of parameters under mild assumptions. The proposed framework covers all parameters which may be expressed as nonlinear functions of moments, for example kurtosis, autocorrelation, and coefficients in a linear regression model. To perform feasible inference based on the derived limit distribution, a bootstrap variant is proposed and its consistency is established. The methodology is illustrated by means of a simulation study and by an application to high-frequency asset prices.