高维VAR模型中的集体异常检测
统计方法学
2021-05-18 v1
摘要
人们对检测集体异常的兴趣日益增长:即数据特征发生改变并在恢复常态之前潜在短暂的若干时间段。我们提出了一种用于检测VAR模型中集体异常的新方法。我们的关注点在于异常处VAR系数矩阵的变化是稀疏的情形,即VAR系数矩阵的少量元素发生改变。为应对该问题,我们提出了一种基于模型参数变化之lasso估计量的局部片段检验统计量。这使我们能够更高效地检测稀疏变化,并且当异常区间较短时,我们基于lasso的方法尤其具有优势。我们证明了新流程控制第一类错误且渐近功效趋于1。我们通过模拟以及两个数据实例(涉及纽约出租车行程数据与EEG数据)展示了我们方法的实用性。
引用
@article{arxiv.2105.07538,
title = {Collective anomaly detection in High-dimensional VAR Models},
author = {Hyeyoung Maeng and Idris Eckley and Paul Fearnhead},
journal= {arXiv preprint arXiv:2105.07538},
year = {2021}
}