非平稳时间序列趋势的在线Bootstrap推断
统计方法学
2026-03-02 v1 统计计算
摘要
本文提出一种用于非平稳时间序列水平估计的在线Bootstrap方案。我们的方法适用于广泛的水平估计器，可表示为随时间窗口加权样本平均值，包括指数平滑方法和移动平均。Bootstrap程序由渐近论证驱动，提供在时间上的均匀覆盖，使其能够在流式或大规模时间序列设置中实现可扩展的不确定性量化。这使该方法适用于自适应异常检测、在线监控或流式A/B测试等任务。模拟研究表明，在各种非平稳情形下，我们的方法在有限样本性能良好。总体而言，这提供了一个实用的重抽样框架，补充了可靠统计推断的在线趋势估计。
关键词
引用
@article{arxiv.2602.23911,
title = {Online Bootstrap Inference for the Trend of Nonstationary Time Series},
author = {Thomas Nagler and Tobias Brock and Nicolai Palm},
journal= {arXiv preprint arXiv:2602.23911},
year = {2026}
}