分段平稳自回归过程的多变点估计
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 导论 | 第7-14页 |
| 1.1 变点问题 | 第7-8页 |
| 1.2 变点问题研究现状 | 第8-10页 |
| 1.3 准备知识 | 第10-12页 |
| 1.3.1 自回归过程 | 第10页 |
| 1.3.2 最优分区算法 | 第10-12页 |
| 1.4 本文主要研究内容 | 第12-14页 |
| 第二章 分段平稳时间序列中的变点问题 | 第14-18页 |
| 2.1 基本假设 | 第14页 |
| 2.2 分段平稳时间序列中的单变点问题 | 第14-15页 |
| 2.3 变点估计的渐近分布 | 第15-17页 |
| 2.4 变点估计的置信区间 | 第17-18页 |
| 第三章 基于似然比扫描方法的多变点问题 | 第18-38页 |
| 3.1 利用似然比扫描统计量获得所有变点集合 | 第19-26页 |
| 3.1.1 似然函数的一般形式 | 第20页 |
| 3.1.2 用似然比扫描统计量进行初次变点检测 | 第20-26页 |
| 3.2 通过模型选择得到变点一致估计 | 第26-31页 |
| 3.2.1 最小描述长度准则 | 第26-29页 |
| 3.2.2 利用最小描述长度准则进行模型选择 | 第29-31页 |
| 3.3 最终估计和置信区间构造 | 第31-35页 |
| 3.4 窗口半径的选取 | 第35-38页 |
| 第四章 模拟研究 | 第38-46页 |
| 4.1 似然比扫描方法的性能研究 | 第38-44页 |
| 4.1.1 似然比扫描方法变点检测 | 第38-42页 |
| 4.1.2 重复模拟 | 第42-44页 |
| 4.2 对比研究 | 第44-46页 |
| 第五章 实证分析 | 第46-54页 |
| 5.1 贵阳市交通数据 | 第46-50页 |
| 5.2 IBM股票月收益数据 | 第50-54页 |
| 第六章 结论与展望 | 第54-56页 |
| 6.1 结论 | 第54-55页 |
| 6.2 未来研究方向 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 在校期间科研工作及发表论文情况 | 第60-61页 |
