Detecting Structural Breaks in Foreign Exchange Markets by using the group LASSO technique
利用组 LASSO 检测外汇市场的结构突变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：摘要直接研究线性时间序列参数的稀疏跳变及断点日期、幅度估计，因此对应结构变化与时间序列方法。
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
利用组 LASSO 检测外汇市场的结构突变
- 研究问题
- 当线性时间序列模型的参数仅在少数时点跳变时，如何同时估计时变参数，并定位结构突变发生的日期和变化幅度？
- 方法与思路
- 作者提出借鉴组 LASSO 的估计方法，用于参数稀疏跳变的线性时间序列模型，获得时变参数估计并据此检测断点。
- 材料陈述的贡献
- 摘要提出用于稀疏参数跳变的结构断点检测方法，并称一个示例能够识别各断点的日期与幅度；未概述进一步理论保证。
- 阅读关注点
- 阅读时应核对分组与惩罚项的构造、调参和断点提取规则，以及示例的数据来源、噪声水平和对相邻断点的分辨能力。
- 阅读边界
- 所用版本为 arXiv 预印本，同行评审及期刊接收未核验；摘要未说明一致性、误报控制或实际外汇结果，单个示例不足以推广。
原文摘要
This article proposes an estimation method to detect breakpoints for linear time series models with their parameters that jump scarcely. Its basic idea owes the group LASSO (group least absolute shrinkage and selection operator). The method practically provides estimates of such time-varying parameters of the models. An example shows that our method can detect each structural breakpoint's date and magnitude.