含外生变量的高阶组合时间序列模型的非参数序贯变点检测
统计方法学
2025-03-05 v1
摘要
时间序列的序贯变点检测在实际数据监控中被广泛使用。本文聚焦于高阶组合时间序列模型的序贯变点检测。在正则性条件下，我们证明了服从含外生变量的广义Beta AR(p)模型的过程是平稳且遍历的。我们为广义Beta AR(p)模型开发了一种非参数序贯变点检测方法，该方法不依赖于关于变点来源的任何强假设。我们证明了当初始观测量足够大时，检验的势收敛于1。我们将该非参数方法应用于2010年1月至2020年12月记录的含酒精交通事故率序列；外生变量为酒精饮料价格水平，其在2019年8月附近存在一个变点。我们对事故率序列拟合了广义Beta AR(p)模型，并使用非参数序贯变点检测方法成功检测到了该变点。
引用
@article{arxiv.2503.02349,
title = {Nonparametric Sequential Change-point Detection on High Order Compositional Time Series Models with Exogenous Variables},
author = {Yajun Liu and Beth Andrews},
journal= {arXiv preprint arXiv:2503.02349},
year = {2025}
}