基于BCUSUM的多参数变点估计

文章基于递归残差的逆序特征和隔离检测研究了回归模型多参数变点的检测方法。首先,构建带有变点的回归模型,考虑到多元正向CUSUM检验能防止协变量均值与偏移量正交时损失功效,但其变点检测效果并不理想的情况,引入修正的检验统计量BCUSUM。其次,结合快速高效的隔离检测技术,提出MCPDP算法用于估计变点数目及位置。最后,模拟结果表明,所提出的方法能较好地控制检验水平,有更高的功效;评价结果显示,MCPDP算法在变点估计性能方面表现较优;实例分析表明,交通流变点符合实际交通情况,验证了该方法的有效性,且所构建的模型可以作为交通参数确定性经验关系的一种修正。     

稳健学生t回归模型变点估计的Gibbs抽样算法

文章讨论了用学生t线性回归模型估计回归系数变点位置的稳健Gibbs抽样算法.利用学生t分布的正态尺度混合表示,得到各参数的满条件后验分布,通过对满条件分布抽取样本,得到变点位置及其他参数的贝叶斯估计.模拟显示该算法能有效地估计变点位置,并且当数据呈现重尾现象时,该模型较正态变点模型要稳健.     

泊松序列中变点的快速识别方法

对于泊松序列中的变点问题,文章提出了一个快速有效的用于判断变点是否存在,以及当变点存在时确定未知变点位置的统计方法.进而,通过分析两个煤矿灾难的实际数据,阐释所提方法的准确性和有效性.     

时变参数状态空间模型估计研究

在宏观经济和金融资本市场上广泛存在着非线性时变参数时间序列,而当前的研究主要关注静态参数状态空间模型的估计。本文通过引入变点分析,改进了静态参数的粒子学习滤波技术,提出了变点粒子学习滤波技术,用于估计时变参数状态空间模型。并且利用模拟实验同经典的变结构IMM滤波技术进行了对比,结果显示,本文提出的变点粒子学习滤波在动态模拟样本数据方面具有更大的优势。可以用于对股票价格和成交量的联合动态轨迹进行实时的模拟追踪。     

均值和方差双重变点的贝叶斯侦测

 本文应用贝叶斯方法研究了股价时序的均值和方差双重变点问题。基于后验概率比,我们提出一个类似ICSS算法的快速侦测算法。通过对上证指数时序的实证分析,我们总共发现5处方差突变。其中,3处是均值和方差双重变点,它们都对应中国股市的重大结构变化。     

航班动态定价机制下的机票价格序列变点估计

文章旨在研究受航空业动态定价机制影响下的机票价格序列变点估计模型,文中分析了机票价格u8序列数据的结构特点,提出了可用于高噪声数据环境下、阶梯状、带明显多变点的多阶段序列变点估计框架,该框架中级联组合了DBSCAN算法、EM-高斯混合模型聚类、凝聚层次聚类算法和基于乘积划分模型的变点估计方法等多种成熟的数据分析方法,通过对“北京-昆明”航线航班的实证分析,验证了数据分析框架的有效性和普遍适用性。     

变权重组合预测模型在短时交通流预测中的应用

文章通过分析短时交通流时序特性,将组合规划理论应用于短时交通流预测,建立了变权重组合预测模型。并以武汉市雄楚大道理工一桥路口东西直行交通流量为基础数据,采用变权重组合模型对其进行分析。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合模型发挥了4种模型各自的优势,是短期交通流预测的有效方法。     

稀有事件变点问题的Bayes分析

文章针对稀有事件中的变点问题,根据Bayes法建立了判断变点是否存在、计算变点位置的合理模型,并利用基于Gibbs抽样的MCMC模拟抽样,估计出变点和分布参数之值。然后引用美国煤矿灾难和我国关中地区干旱灾害的实际数据,对文中提出的模型进行验证,得出了有关结论。     

贝叶斯随机搜索的多变点模型分析

在多变点模型中借助拉丁变量来计算贝叶斯随机搜索模型,把模型选择问题转化为对拉丁变量后验分布的分析.由于对拉丁变量分量的条件后验分布逐一分析较难实现,文章从拉丁变量整体进行分析,用可逆跳算法可以实现从模型的计算,连续用三个不同的MH算法对拉丁变量的后验分布进行抽样.并对英国司机死亡或者重伤的月度数据集分析,在MAP算法模式下找到了三个变点.     

位置参数变点的统计推断

关于随机变量序列中是否存在变点的问题一直不断地有人研究,对变点进行估计具有很重要的应用价值。为此,研究至多一个变点的位置参数变点问题,对变点是否存在进行假设检验,论证相关统计量的渐进性质,在此基础上提出变点的一种点估计,并证明估计的强相合性。     

正态均值变点识别的非迭代抽样算法

文章提出了估计正态序列均值变点位置的非迭代抽样算法.利用逆贝叶斯公式,得到了变点位置的精确后验分布,通过对该离散分布抽取样本,得到变点位置的贝叶斯估计.模拟显示该算法能有效地估计变点位置,并且计算速度比迭代的Gibbs抽样算法快.     

变点估计的相合性及其应用

文章主要研究了均值变点估计问题,给出了变点的累积和型估计,证明了变点估计的相合性。利用EViews软件,分别对总体上证指数数据和变点之后的数据建立状态空间模型,通过比较预测结果的绝对百分比误差(APE),得出基于变结构的分段数据所建立的模型预测效果较好的结论。     

基于Bayes估计理论的洪水水位概率变点研究

利用Bayes估计理论,研究洪水水位概率变点问题,给出一个确定变点存在的判断方法,通过具体例子进行讨论.     

线性模型中变点检测的算法分析

文章介绍了线性模型中对于回归变点检测的已有方法,包括在正态分布的假设下采用一个经验似然型的Wald计量和基于经验似然比检验统计量检测方法。还利用对经验似然法的改进给出了一个新的变点检测方法,其中包含了两个不同检验统计量,并给出了具体算法步骤,最后通过模拟比较这几种方法的检验效果,结果显示：新的变点检测方法在很大程度上提高了变点检测问题的功效和命中率。     

基于MOSUM的多重滤波变点检测研究

多时间尺度的变点问题一直是质量控制中的热点研究对象。基于移动和统计量(MOSUM),提出了一种多重过滤检验方法(MFT),以检验均值不变的零假设或存在均值变点的备择假设。首先,为使方法具有实用性和一般性,构建均值变点模型,并假定分布假设较弱。其次,由于单一窗宽对变点检测的局限性,构造了一个弱收敛到一个布朗运动相关的函数的MOSUM统计量,进而应用多个窗宽下MOSUM过程进行多变点检测。最后,为使得MFT方法不受其它分布参数变化影响,对模型均值外的参数变化作了鲁棒性检验。经模拟研究和实证分析表明,MFT方法的估计精度和准确度比一般方法更具优势和实效性。     

含均值结构变点时间序列的贝叶斯单位根检验

针对ADF和PP检验对含有均值结构变点时间序列的“伪检验”问题,文章基于贝叶斯理论,先运用贝叶斯因子模型选择的方法检测时序结构变点位置,再在结构变点已知的情况下运用置信区间和贝叶斯因子两种方法检验序列是否存在单位根,并用Monte Carlo模拟方法进行仿真,验证该方法的有效性。研究发现：是否考虑均值结构变点对时间序列的单位根检验有着重要的影响,不考虑结构突变而进行常规的单位根检验会产生误判;贝叶斯方法能够有效检测含有均值结构变点时间序列的变点位置,并能提高单位根检验功效。     

基于LAD-LASSO方法的逐段常数序列中的变点估计

结构突变(变点)问题是统计学、经济学和信号处理等领域中的热点问题之一。当误差分布服从重尾分布或数据集含异常值时,LAD估计比OLS估计更加稳健;LASSO是一种流行的压缩估计和变量选择方法,将这两种经典的方法结合起来,提出基于LAD-LASSO的逐段常数时间序列变点估计的一种新的研究方法,其基本思想是把变点估计问题转化成变量选择问题来处理,在转化过程中对相应优化问题的约束条件仅做一次松弛。随机模拟表明:所提出的估计方法是切实可行的,算法更加简单易行,且估计结果具有很好的稳健性。     

Logistic半参数变系数模型的变量选择

Logistic半参数变系数模型是半参数变系数模型的推广,它可以解决分类型因变量变系数模型的建模问题.文章利用B样条函数逼近非参数部分,引入LASSO、SCAD以及MCP惩罚函数,基于组坐标下降算法,对参数部分和非参数部分进行变量选择.最后进行了Monte Carlo模拟.     

含有变结构点的面板循序检验方法研究

针对含有变结构点的面板数据易产生"伪单位根"现象,提出面板循序检验方法:首先给出检验模型和检验步骤,其次通过Monte Carlo模拟得到检验统计量的临界值,最后结合我国各地区的GDP数据进行实证分析.研究发现:中国GDP数据为带有结构突变的趋势平稳序列.     

贝叶斯隐马尔科夫异质面板模型及应用研究

针对不可观测异质性非时变假设导致的删失变量偏差及推断无效问题,构建贝叶斯隐马尔科夫异质面板模型,刻画截面个体间的动态时变不可观测异质性,诊断经济系统环境中可能存在的隐性变点,设计相应的马尔科夫链蒙特卡洛抽样算法估计模型参数,并对中国各地区的金融发展与城乡收入差距关系进行实证分析,捕捉到金融发展与城乡收入差距间长期稳定关系的隐性变化,发现了区域个体不可观测异质性存在的动态时变特征。研究结果表明各参数的迭代轨迹收敛且估计误差非常小,验证了贝叶斯隐马尔科夫异质面板模型的有效性。