基于Bootstrap方法的时间序列变点检测
出版时间:
2020-12
版次:
1
ISBN:
9787030668790
定价:
98.00
装帧:
平装
开本:
其他
纸张:
胶版纸
4人买过
-
本书第1章主要介绍变点检验和在线监测的一些经典方法,并介绍本书着重讨论的厚尾时间序列模型和长记忆时间序列模型.第2,3章主要介绍检验和估计厚尾时间序列模型均值变点和持久性变点的一些方法.第4,5章介绍检验长记忆时间序列均值变点、时间趋势项变点、方差变点及长记忆参数变点的一些方法.第6章介绍在线监测厚尾时间序列持久性变点的一些方法.第7,8章介绍在线监测长记忆时间序列均值、方差及长记忆参数变点的方法.第9章介绍线性回归模型参数变点的开放式在线监测的一些方法.对第2—9章中介绍的每一种变点检测和估计方法都提供了一些数值模拟结果,并配置了实证分析案例. 目录
前言
第1章 绪论 1
1.1 变点检验的几种方法 1
1.1.1似然比方法 1
1.1.2*小二乘方法 4
1.1.3 CUSUM方法 6
1.1.4 持久性变点的检验方法 8
1.2 变点的在线监测方法 10
1.2.1 变点的封闭式在线监测 11
1.2.2 变点的开放式在线监测 13
1.3 两类时间序列模型 16
1.3.1 厚尾分布 16
1.3.2 长记忆时间序列模型 18
第2章 厚尾序列均值变点的检验 22
2.1 均值单变点的检验 23
2.1.1 CUSUM检验 23
2.1.2 Wilcoxon秩和检验 25
2.2 均值单变点的估计 26
2.3 均值多变点的估计 31
2.4 数值模拟与实例分析 34
2.4.1 数值模拟 34
2.4.2 实例分析 38
2.5 小结 39
第3章 厚尾序列持久性变点的检验 40
3.1 持久性单变点的检验 40
3.1.1 J(1)到I(0)变点的检验 40
3.1.2 J(0)到I(1)变点的检验 43
3.1.3方向未知变点的检验 45
3.2 持久性单变点的估计 46
3.3 持久性多变点的检验和估计算法 48
3.3.1 滑动比检验 49
3.3.2 检验和估计算法 54
3.4 持久性变点的Bootstrap检验 56
3.4.1 I(0)原假设下的Bootstrap检验 56
3.4.2 I(1)原假设下的Bootstrap检验 61
3.5 数值模拟与实例分析 62
3.5.1 数值模拟 62
3.5.2 实例分析 67
3.6 小结 68
第4章 长记忆时间序列均值及方差变点的检验 69
4.1 均值变点的检验 69
4.2 趋势项变点的检验 71
4.3 方差变点的检验 74
4.4 Bootstrap 近似 76
4.4.1 Sieve AR Bootstrap 77
4.4.2 分数阶差分 Sieve Bootstrap 77
4.4.3 分数阶差分 Block Bootstrap 78
4.5 数值模拟与实例分析 79
4.5.1 数值模拟 79
4.5.2 实例分析 83
4.6 小结 85
第5章 长记忆参数变点的检验 86
5.1 平方CUSUM比检验 86
5.2 方差比检验 91
5.3 DF比检验 94
5.4 数值模拟与实例分析 99
5.4.1 数值模拟 99
5.4.2 实例分析 102
5.5 小结 103
第6章 厚尾序列持久性变点的封闭式在线监测 104
6.1 I(0)到I(1)变点的在线监测 104
6.1.1 核加权方差比监测 104
6.1.2 Bootstrap 近似 107
6.2 I (1)到I(1)变点的在线监测 110
6.2.1 核加权滑动方差比率监测 110
6.2.2 Bootstrap近似 112
6.3 持久性变点的滑动比监测 114
6.3.1 I(1)到I(O)变点的在线监测 114
6.3.2 I(0)到I(1)变点的在线监测 116
6.4 数值模拟与实例分析 117
6.4.1 数值模拟 117
6.4.2 实例分析 120
6.5 小结 121
第7章 长记忆时间序列均值及方差变点的封闭式在线监测 123
7.1 均值变点的在线监测 123
7.2 方差变点的在线监测 126
7.3 同时监测均值与方差变点 129
7.4 数值模拟与实例分析 131
7.4.1 数值模拟 131
7.4.2 实例分析 134
7.5 小结 136
第8章 长记忆参数变点的封闭式在线监测 137
8.1 I(0)到I(d)变点的在线监测 137
8.2 平稳I(d)序列到非平稳I(d)序列变点的在线监测 140
8.3 长记忆参数变点的在线监测 144
8.3.1 递增的长记忆参数变点的在线监测 145
8.3.2 递减的长记忆参数变点的在线监测 151
8.4 数值模拟与实例分析 153
8.4.1 数值模拟 153
8.4.2 实例分析 159
8.5 小结 159
第9章 线性回归模型变点的开放式在线监测 160
9.1 回归系数变点的在线监测 160
9.2 方差变点的在线监测 166
9.3 修正的监测方法 170
9.4 数值模拟与实例分析 172
9.4.1 数值模拟 172
9.4.2 实例分析 177
9.5 小结 179
参考文献 180
-
内容简介:
本书第1章主要介绍变点检验和在线监测的一些经典方法,并介绍本书着重讨论的厚尾时间序列模型和长记忆时间序列模型.第2,3章主要介绍检验和估计厚尾时间序列模型均值变点和持久性变点的一些方法.第4,5章介绍检验长记忆时间序列均值变点、时间趋势项变点、方差变点及长记忆参数变点的一些方法.第6章介绍在线监测厚尾时间序列持久性变点的一些方法.第7,8章介绍在线监测长记忆时间序列均值、方差及长记忆参数变点的方法.第9章介绍线性回归模型参数变点的开放式在线监测的一些方法.对第2—9章中介绍的每一种变点检测和估计方法都提供了一些数值模拟结果,并配置了实证分析案例.
-
目录:
目录
前言
第1章 绪论 1
1.1 变点检验的几种方法 1
1.1.1似然比方法 1
1.1.2*小二乘方法 4
1.1.3 CUSUM方法 6
1.1.4 持久性变点的检验方法 8
1.2 变点的在线监测方法 10
1.2.1 变点的封闭式在线监测 11
1.2.2 变点的开放式在线监测 13
1.3 两类时间序列模型 16
1.3.1 厚尾分布 16
1.3.2 长记忆时间序列模型 18
第2章 厚尾序列均值变点的检验 22
2.1 均值单变点的检验 23
2.1.1 CUSUM检验 23
2.1.2 Wilcoxon秩和检验 25
2.2 均值单变点的估计 26
2.3 均值多变点的估计 31
2.4 数值模拟与实例分析 34
2.4.1 数值模拟 34
2.4.2 实例分析 38
2.5 小结 39
第3章 厚尾序列持久性变点的检验 40
3.1 持久性单变点的检验 40
3.1.1 J(1)到I(0)变点的检验 40
3.1.2 J(0)到I(1)变点的检验 43
3.1.3方向未知变点的检验 45
3.2 持久性单变点的估计 46
3.3 持久性多变点的检验和估计算法 48
3.3.1 滑动比检验 49
3.3.2 检验和估计算法 54
3.4 持久性变点的Bootstrap检验 56
3.4.1 I(0)原假设下的Bootstrap检验 56
3.4.2 I(1)原假设下的Bootstrap检验 61
3.5 数值模拟与实例分析 62
3.5.1 数值模拟 62
3.5.2 实例分析 67
3.6 小结 68
第4章 长记忆时间序列均值及方差变点的检验 69
4.1 均值变点的检验 69
4.2 趋势项变点的检验 71
4.3 方差变点的检验 74
4.4 Bootstrap 近似 76
4.4.1 Sieve AR Bootstrap 77
4.4.2 分数阶差分 Sieve Bootstrap 77
4.4.3 分数阶差分 Block Bootstrap 78
4.5 数值模拟与实例分析 79
4.5.1 数值模拟 79
4.5.2 实例分析 83
4.6 小结 85
第5章 长记忆参数变点的检验 86
5.1 平方CUSUM比检验 86
5.2 方差比检验 91
5.3 DF比检验 94
5.4 数值模拟与实例分析 99
5.4.1 数值模拟 99
5.4.2 实例分析 102
5.5 小结 103
第6章 厚尾序列持久性变点的封闭式在线监测 104
6.1 I(0)到I(1)变点的在线监测 104
6.1.1 核加权方差比监测 104
6.1.2 Bootstrap 近似 107
6.2 I (1)到I(1)变点的在线监测 110
6.2.1 核加权滑动方差比率监测 110
6.2.2 Bootstrap近似 112
6.3 持久性变点的滑动比监测 114
6.3.1 I(1)到I(O)变点的在线监测 114
6.3.2 I(0)到I(1)变点的在线监测 116
6.4 数值模拟与实例分析 117
6.4.1 数值模拟 117
6.4.2 实例分析 120
6.5 小结 121
第7章 长记忆时间序列均值及方差变点的封闭式在线监测 123
7.1 均值变点的在线监测 123
7.2 方差变点的在线监测 126
7.3 同时监测均值与方差变点 129
7.4 数值模拟与实例分析 131
7.4.1 数值模拟 131
7.4.2 实例分析 134
7.5 小结 136
第8章 长记忆参数变点的封闭式在线监测 137
8.1 I(0)到I(d)变点的在线监测 137
8.2 平稳I(d)序列到非平稳I(d)序列变点的在线监测 140
8.3 长记忆参数变点的在线监测 144
8.3.1 递增的长记忆参数变点的在线监测 145
8.3.2 递减的长记忆参数变点的在线监测 151
8.4 数值模拟与实例分析 153
8.4.1 数值模拟 153
8.4.2 实例分析 159
8.5 小结 159
第9章 线性回归模型变点的开放式在线监测 160
9.1 回归系数变点的在线监测 160
9.2 方差变点的在线监测 166
9.3 修正的监测方法 170
9.4 数值模拟与实例分析 172
9.4.1 数值模拟 172
9.4.2 实例分析 177
9.5 小结 179
参考文献 180
查看详情
-
全新
山东省济宁市
平均发货61小时
成功完成率81.23%
-
全新
江苏省无锡市
平均发货14小时
成功完成率86.93%
-
全新
河北省保定市
平均发货27小时
成功完成率87.47%
-
全新
北京市东城区
平均发货23小时
成功完成率88.13%
-
全新
北京市丰台区
平均发货27小时
成功完成率86.95%
-
全新
山东省潍坊市
平均发货15小时
成功完成率81.6%
-
全新
北京市通州区
平均发货9小时
成功完成率94.45%
-
全新
湖北省武汉市
平均发货14小时
成功完成率94.03%
-
全新
天津市西青区
平均发货14小时
成功完成率90.51%
-
全新
北京市通州区
平均发货9小时
成功完成率88.86%
-
全新
江苏省南京市
平均发货6小时
成功完成率98.47%
-
全新
江苏省无锡市
平均发货9小时
成功完成率94.66%
-
全新
河北省保定市
平均发货14小时
成功完成率91.39%
-
全新
北京市顺义区
平均发货9小时
成功完成率92.84%
-
全新
四川省成都市
平均发货10小时
成功完成率96.62%
-
全新
北京市西城区
平均发货13小时
成功完成率93.2%
-
全新
北京市朝阳区
平均发货9小时
成功完成率97.48%
-
全新
江苏省无锡市
平均发货15小时
成功完成率94.47%
-
全新
天津市河东区
平均发货24小时
成功完成率90.2%
-
全新
江苏省无锡市
平均发货8小时
成功完成率96.25%
-
九五品
北京市东城区
平均发货29小时
成功完成率83.96%
-
全新
山东省潍坊市
平均发货15小时
成功完成率81.6%
-
全新
广东省广州市
平均发货17小时
成功完成率88.07%
-
全新
天津市河北区
平均发货27小时
成功完成率83.62%
-
全新
北京市通州区
平均发货44小时
成功完成率85.71%
-
全新
广东省广州市
平均发货7小时
成功完成率88.63%
-
全新
北京市朝阳区
平均发货13小时
成功完成率93.94%
-
全新
北京市通州区
平均发货43小时
成功完成率84.21%
-
全新
四川省成都市
平均发货9小时
成功完成率93.06%
-
全新
北京市通州区
平均发货30小时
成功完成率81.58%
-
全新
江西省九江市
平均发货10小时
成功完成率78.87%
-
全新
河北省廊坊市
平均发货13小时
成功完成率76.79%
-
全新
北京市通州区
平均发货29小时
成功完成率84.21%
-
全新
江西省吉安市
平均发货54小时
成功完成率86.63%
-
全新
北京市通州区
平均发货28小时
成功完成率87.1%