[论文解读] Change point analysis in non-stationary processes - a mass excess approach

Holger Dette, Weichi Wu|arXiv (Cornell University)|Jan 30, 2018

Statistical Methods and Inference参考文献 52被引用 4

一句话总结

本文提出了一种针对非平稳时间序列的新型变点检验方法，用于检测‘相关’变点，即偏离初始均值超过预设阈值 $ c $ 的变化。该方法采用偏差校正的单调重排局部线性估计器，并结合一种新的自助法程序，构造渐近有效的临界值，从而实现对非平稳过程中有意义结构突变的定量评估，且具有一致的大小和功效。

ABSTRACT

This paper considers the problem of testing if a sequence of means $(μ_t)_{t =1,\ldots ,n }$ of a non-stationary time series $(X_t)_{t =1,\ldots ,n }$ is stable in the sense that the difference of the means $μ_1$ and $μ_t$ between the initial time $t=1$ and any other time is smaller than a given level, that is $ | μ_1 - μ_t | \leq c $ for all $t =1,\ldots ,n $. A test for hypotheses of this type is developed using a biascorrected monotone rearranged local linear estimator and asymptotic normality of the corresponding test statistic is established. As the asymptotic variance depends on the location and order of the critical roots of the equation $| μ_1 - μ_t | = c$ a new bootstrap procedure is proposed to obtain critical values and its consistency is established. As a consequence we are able to quantitatively describe relevant deviations of a non-stationary sequence from its initial value. The results are illustrated by means of a simulation study and by analyzing data examples.

研究动机与目标

• 为解决经典变点检验方法在原假设下假设精确相等的局限性，该假设可能导致对微小、经济上不相关的变动也拒绝原假设。
• 开发一种仅检测‘相关’变点的检验方法——即偏离初始均值超过预设阈值 $ c $ 的变动——以提升在风险管理与质量控制等应用中的实际相关性。
• 将变点分析从假设存在两个平稳阶段的限制中拓展出来，允许均值随时间连续、非平稳地演化。
• 为当渐近方差依赖于未知变点位置时，提供一种一致的自助法程序以估计临界值。
• 通过过剩质量度量（如偏离阈值 $ c $ 的时间持续长度）量化非平稳性程度，从而实现对结果的实际解释。

提出的方法

• 采用偏差校正的单调重排局部线性估计器，一致估计非平稳过程 $ X_{t} = \mu(t) + \epsilon_{t} $ 中时变均值 $ \mu(t) $。
• 将‘过剩质量’ $ \boldsymbol{T}_c = \int_0^1 \mathbf{1}(\|\boldsymbol{\mu}(t) - \boldsymbol{\mu}(0)\| > c) \, dt $ 定义为偏离初始均值超过阈值 $ c $ 的总时间的度量。
• 使用基于核的平滑方法估计过剩质量：$ \hat{\boldsymbol{T}}_{N,c} = \frac{1}{N} \sum_{i=1}^N \int_{c^2}^\infty \frac{1}{h_d} K_d\left( \frac{\|\hat{\boldsymbol{\mu}}(i/N) - \hat{\boldsymbol{\mu}}(0)\|^2 - u}{h_d} \right) du $。
• 提出一种新颖的自助法程序，以近似检验统计量的抽样分布，通过重采样梯度和误差项来考虑复杂的方差结构。
• 将检验统计量表示为 $ n N b_n h_d \hat{\boldsymbol{T}}_{N,c} - \Delta > q_{1-\alpha} $，其中 $ q_{1-\alpha} $ 为自助分布的 $ (1-\alpha) $-分位数。
• 在误差过程和带宽选择满足正则性条件的假设下，证明了检验统计量的渐近正态性，并建立了自助法程序的一致性。

实验结果

研究问题

• RQ1 我们能否对非平稳时间序列的均值中的‘相关’变点进行检验，即仅将超过阈值 $ c $ 的偏离视为有意义？
• RQ2 当过程为非平稳且渐近方差依赖于未知变点位置时，如何构建有效的相关变点检验统计量？
• RQ3 在此非独立同分布且非平稳的设定下，是否存在一种一致的自助法程序用于临界值估计？
• RQ4 如何利用过剩质量度量（如偏离阈值 $ c $ 的时间持续长度）来量化非平稳性的程度？
• RQ5 所提出的方法能否扩展至多变量均值函数及基于停留时间的过剩度量，在非平稳误差下仍保持有效性？

主要发现

• 基于过剩质量度量 $ \boldsymbol{T}_c $ 的所提出检验统计量，在无相关变点的原假设下渐近服从正态分布。
• 在给定正则性条件下，临界值估计的自助法程序具有一致性，确保了检验的渐近有效性。
• 偏差校正的单调重排局部线性估计器能够在非平稳设定下实现对时变均值的一致估计。
• 该方法能有效检测出相对于初始均值的显著偏离，避免因微小、实际无关的变动而错误拒绝原假设。
• 模拟研究与实际数据示例验证了该检验在有限样本下的良好表现及其在检测相关结构突变中的实际应用价值。
• 多变量均值函数的扩展在理论上得到支持，基于停留时间的过剩度量估计器具有一致性，但非平稳误差下的渐近性质仍有待未来研究。