导读:本文包含了变点监测论文开题报告文献综述及选题提纲参考文献，主要关键词:多项式回归模型,变点,在线监测
变点监测论文文献综述
齐培艳,段西发[1]（2019）在《多项式回归模型系数变点的在线监测》一文中研究指出文章首次讨论了p阶多项式回归模型系数变点的监测问题。构造适用于p阶多项式回归模型系数变点监测的监测函数及边界函数,定义了停时过程。在原假设下给出了监测统计量的渐近分布并模拟得到了部分临界值,在备择假设下证明了其检验的一致性。模拟实验与实例分析证明了方法的有效性。(本文来源于《山西大学学报(自然科学版)》期刊2019年03期）
薛义新[2]（2018）在《时间序列模型参数变点的在线监测》一文中研究指出金融市场的一些突发性事件,如政府的更迭,突发的金融危机等,会使得观测序列的结构发生变化,即出现变点.而对金融时间序列进行在线监测,能及时地发现变点,并对调整决策,减小金融风险有着重要的意义.本文分别对线性回归模型和AR(p)模型中参数变点的在线监测问题进行研究.研究内容如下:首先,研究了基于有效得分向量的线性模型参数变点的在线监测问题.构造监测统计量,证明了在原假设和备择假设下监测统计量的极限性质,通过Monte Carlo模拟方法给出监测统计量的经验水平,经验势和平均运行长度.并将其应用于股票价格方差变点的监测问题中,说明了该方法的有效性.其次,研究了基于Range检验的AR(p)模型参数变点的在线监测问题.基于有效得分向量,构造Range监测统计量,证明了在原假设和备择假设下监测统计量的极限性质,通过Monte Carlo模拟方法给出监测统计量的经验水平,经验势和平均运行长度.并将其应用于股票价格方差变点的监测问题中,说明了该方法的有效性.最后,研究了AR(p)模型参数变点的残差CUSUM在线监测问题.构造参数变点的残差CUSUM监测统计量,并得到原假设和备择假设下监测统计量的极限性质.通过Monte Carlo模拟方法给出监测统计量的经验水平和经验势,说明了该方法的有效性.(本文来源于《西安工程大学》期刊2018-05-29）
张婷[3]（2018）在《时间序列模型的变点检测及在预警监测中的应用》一文中研究指出时间序列在各个领域中都普遍存在,因此越来越多的学者开始关注到时间序列的研究及应用。而变点问题则是其中很热门的一个课题。在实际生产生活中,人们希望可以及时检测到这种突变发生的时间以做好应对准备,使损失达到最小。本文首先通过贝叶斯方法对ARMA模型和ARCH模型进行变点检测。在选取适当的共轭先验分布后,根据贝叶斯原理,通过迭代或者抽样方法得到变点的后验分布。并且通过ROC曲线来衡量变点检测的效果。文中给出了两种模型的多组数据检验算法的效果。最后给出算法应用的两个案例。第一是将该方法应用到平安银行和中科曙光两只股票日收盘价的变点分析中,通过与真实突变的比较得到最适合拟合股指时间序列的模型及变点检测方法并分析了股市中突变发生的原因。第二是将该方法应用到江苏省总产出的指标数据中,得到一些与股市数据不同的结果。(本文来源于《东南大学》期刊2018-05-01）
薛义新,赵文芝,刘鑫[4]（2018）在《基于Range检验的AR(p)模型参数变点的在线监测》一文中研究指出为研究AR(p)模型参数变点的在线监测问题,在有效得分向量的基础上,给出参数变点的Range监测统计量,并得到原假设和备择假设下监测统计量的极限性质.通过Monte Carlo模拟方法给出监测统计量的经验水平,经验势和平均运行长度.最后将该方法应用于股票价格方差变点的监测问题中,说明了该方法的有效性.(本文来源于《纺织高校基础科学学报》期刊2018年01期）
薛义新,赵文芝,刘鑫[5]（2017）在《AR(p)模型参数变点的残差CUSUM在线监测》一文中研究指出针对AR(p)模型参数变点的在线监测问题,首先给出参数的最小二乘估计;其次构造参数变点的残差CUSUM监测统计量,并得到原假设和备择假设下监测统计量的极限性质;最后通过Monte Carlo方法给出监测统计量的经验水平和经验势,说明了该方法的有效性.(本文来源于《河南科学》期刊2017年12期）
任好好[6]（2016）在《基于变点监测的VaR度量方法研究》一文中研究指出金融市场充满了很多的不确定性,波动性是金融时间序列的重要特征之一。除了投资收益外,投资者越来越关注于投资风险。特别是近年来,全球金融市场波动加剧,金融风险度量和风险控制成为了所有投资者,包括个人,机构,甚至是国家所关注的焦点之一。金融风险度量的方法有很多种,比较常用的一种是由J.P.Morgan最早提出的VaR方法。VaR,即风险价值(value at risk),是指在未来一段时间内,在给定的置信水平下投资者所受到的最大损失。VaR的计算依赖于历史数据,因此如何选择合适时间段内的历史数据来计算VaR是十分重要的一个问题。我们引入金融时间序列变点去分割历史数据,仅采用最近变点后的数据计算VaR值。本文所指变点为模式变点,认为变点前后金融时间序列的波动模式发生了变化。本文采用P.Fryzlewicz和S.Subba Rao提出的BASTA方法进行变点监测。BASTA方法,即转换自回归条件异方差的二进制分割方法,包括两步：转换过程和二进制分割过程。转换过程将原始序列转换成相关性更小、尾部更薄的序列；二进制分割过程用来估计变点。最后,本文给出基于上海证券交易所A股指数2031个收盘价数据的实证研究。(本文来源于《山东大学》期刊2016-04-20）
赵莎[7]（2015）在《基于递归残差的变点在线监测》一文中研究指出研究变点的在线监测问题,根据时间序列建立回归模型,用最小二乘法对其中参数进行估计,依据前i-1个数据得到递归残差,根据递归残差的表达式得到基于递归残差的均值、方差在线监测统计量。通过证明得到这两个统计量在原假设下有极限存在,备择假设下极限趋于无穷大,从而在理论上证明两个统计量是有效的。为了进一步的说明统计量的有效性,用蒙特卡罗方法进行数值模拟实验,得到了统计量的部分临界值、经验水平、势及备择假设下的平均运行长度。(本文来源于《智富时代》期刊2015年S2期）
李拂晓[8]（2015）在《几类时间序列模型变点监测与检验》一文中研究指出时间序列模型是根据观测到的时间序列数据建立的模型,如随机系数自回归(Random coefficient autoregressive,RCA)模型,GARCH(Generalized autoregressive conditional heteroskedasticity,GARCH)模型,Logistic回归(Logistic regression)模型等,上述时间序列模型是一维数据模型,面板数据模型是同时在时间和截面上的二维数据模型.时间序列模型和面板数据模型是计量经济学研究的重要内容.在时间序列和面板数据分析中,监测和检验模型参数是否存在变点对准确建立模型和正确分析数据有重要意义.本文研究RCA(p)模型,GARCH(p,q)模型,Logistic回归模型和面板数据模型参数变点监测与检验问题.本文主要研究成果和创新点如下:(1)首次将RCA(1)(Random coefficient autoregressive model of order one)模型的参数变点监测推广到RCA(p)(Random coefficient autoregressive model of order p)模型.在原假设下给出监测统计量的渐近分布,在备择假设下证明其一致性.模拟结果表明只要选择合适的边界函数,所提方法均有较好的监测效果.数值模拟和实例分析表明了所给方法的有效性.(2)对于GARCH(p,q)模型误差项平方的分布变点监测,提出KolmogorovSmirnov型和经验特征函数型统计量.在原假设下得到两类监测统计量的渐近分布,在备择假设下证明其一致性.利用Bootstrap方法模拟经验特征函数型统计量的临界值,证明了Bootstrap方法的收敛性.数值模拟验证了方法的有效性.(3)首次将二元Logistic回归模型(Binary logistic regression model)的参数变点检验和监测推广到多元Logistic回归模型(Multinomial logistic regression model)和累积Logistic回归模型(Cumulative logistic regression model).在原假设下给出了检验和监测统计量的渐近分布,备择假设下证明了其一致性.数值模拟和实例分析表明了方法的有效性.(4)利用CUSUM方法分别研究了一般面板数据模型的方差变点检验和个体固定效应面板数据模型的系数变点检验.在原假设下证明了CUSUM型检验统计量的极限分布,在备择假设下证明了其一致性.数值模拟和实例分析验证了方法的有效性.(本文来源于《西北工业大学》期刊2015-11-01）
刘晋芳[9]（2015）在《多元正态向量均值变点在线监测》一文中研究指出变点问题是自上世纪70年代以来的热门课题。最初应用在工业质量控制中,后来又逐渐渗透到经济、金融、医学、气候分析等诸多领域。近叁十年来,随着统计学者在这一领域的投入,目前已有大量关于变点理论和应用方面的学术论文。已有论文中关于位置参数变点的研究有很多,尤其是关于均值变点的研究,而关于多元均值变点的研究则比较少。本文主要研究了正态多元向量均值变点监测问题。文中我们利用残差累积和与递归残差累积和构造统计量,在原假设下得到了监测统计量的渐近分布,在备择假设下证明了该监测统计量的一致性,并模拟得到统计量的临界值。数字模拟实验与生产实例表明,当变点的位置靠前时该统计量有较高的势,但是当变点的位置靠后时并不总能及时监测到变点。因此,我们采用引入窗宽参数的方法,对统计量进行修正,使得对位置靠后的变点能及时预警。模拟结果表明,引入窗宽参数确实能够提高监测统计量的势,同时能减小平均运行长度。最后的生产实例也能说明该方法的实用性和有效性。(本文来源于《山西大学》期刊2015-06-01）
李拂晓,田铮,陈占寿[10]（2015）在《ARCH模型分布变点监测与应用》一文中研究指出分布变点监测是时间序列交点分析的一个重要内容.为将分布交点监测从线性时间序列模型拓展到非线性时间序列模型,提出一种经验特征函数型的统计量监测ARCH模型误差项平方的分布变点,给出了监测统计量在原假设下的极限分布,并证明了此方法的一致性,用Bootstrap重抽样方法获得了极限分布的临界值,并和Kolmogorov-smirnov型监测统计量进行了比较.模拟结果和实例分析说明了当已观测样本量较大时,采用经验特征函数型统计量监测效果较好.(本文来源于《数学的实践与认识》期刊2015年02期）
变点监测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
金融市场的一些突发性事件,如政府的更迭,突发的金融危机等,会使得观测序列的结构发生变化,即出现变点.而对金融时间序列进行在线监测,能及时地发现变点,并对调整决策,减小金融风险有着重要的意义.本文分别对线性回归模型和AR(p)模型中参数变点的在线监测问题进行研究.研究内容如下:首先,研究了基于有效得分向量的线性模型参数变点的在线监测问题.构造监测统计量,证明了在原假设和备择假设下监测统计量的极限性质,通过Monte Carlo模拟方法给出监测统计量的经验水平,经验势和平均运行长度.并将其应用于股票价格方差变点的监测问题中,说明了该方法的有效性.其次,研究了基于Range检验的AR(p)模型参数变点的在线监测问题.基于有效得分向量,构造Range监测统计量,证明了在原假设和备择假设下监测统计量的极限性质,通过Monte Carlo模拟方法给出监测统计量的经验水平,经验势和平均运行长度.并将其应用于股票价格方差变点的监测问题中,说明了该方法的有效性.最后,研究了AR(p)模型参数变点的残差CUSUM在线监测问题.构造参数变点的残差CUSUM监测统计量,并得到原假设和备择假设下监测统计量的极限性质.通过Monte Carlo模拟方法给出监测统计量的经验水平和经验势,说明了该方法的有效性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
变点监测论文参考文献
[1].齐培艳,段西发.多项式回归模型系数变点的在线监测[J].山西大学学报(自然科学版).2019
[2].薛义新.时间序列模型参数变点的在线监测[D].西安工程大学.2018
[3].张婷.时间序列模型的变点检测及在预警监测中的应用[D].东南大学.2018
[4].薛义新,赵文芝,刘鑫.基于Range检验的AR(p)模型参数变点的在线监测[J].纺织高校基础科学学报.2018
[5].薛义新,赵文芝,刘鑫.AR(p)模型参数变点的残差CUSUM在线监测[J].河南科学.2017
[6].任好好.基于变点监测的VaR度量方法研究[D].山东大学.2016
[7].赵莎.基于递归残差的变点在线监测[J].智富时代.2015
[8].李拂晓.几类时间序列模型变点监测与检验[D].西北工业大学.2015
[9].刘晋芳.多元正态向量均值变点在线监测[D].山西大学.2015
[10].李拂晓,田铮,陈占寿.ARCH模型分布变点监测与应用[J].数学的实践与认识.2015