基于Tukey法改进时间序列平稳性检验的分段检验法

发布时间：2020-04-28 18:39

【摘要】：在分析传统时间序列分段检验理论不足的基础上,文章提出了基于Tukey法改进时间序列平稳性检验的分段检验法。在对各段均值与协方差函数相等的检验中各构造一个t化极差统计量,减少检验犯第一类错误的概率,从而降低了平稳序列被误判为非平稳的概率,提高了分段检验方法的有效性。

【相似文献】

相关期刊论文 前10条

1 蔡林芝;吕王勇;;基于Tukey法改进时间序列平稳性检验的分段检验法[J];统计与决策;2018年16期

2 唐诚;陶敏;;基于谱分析下的时间序列的平稳性检验[J];南京邮电大学学报(自然科学版);2009年02期

3 吴翊，，易东云;测量误差平稳性检验的数据预处理研究[J];国防科技大学学报;1996年02期

4 李军;孙彦彬;;时间序列计量经济模型的平稳性检验[J];统计与决策;2007年07期

5 姜诗章 ,姚国权 ,范国刚;多维平稳性检验的计算方法[J];数量经济技术经济研究;1998年01期

6 吕光明;对数据平稳性检验方法的比较研究[J];财经问题研究;2004年06期

7 王爽;王晨琪;;对外贸易与经济增长关系的实证分析[J];中国物价;2010年03期

8 刘罗曼;;时间序列平稳性检验[J];沈阳师范大学学报(自然科学版);2010年03期

9 刘桂珍;刘慧芳;;对外贸易与经济增长关系的实证分析[J];全国商情(经济理论研究);2009年11期

10 孙其法;闫秋艳;闫欣鸣;;基于多样化top-k shapelets转换的时间序列分类方法[J];计算机应用;2017年02期

相关会议论文 前10条

1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年

2 张可;李媛;柴毅;黄磊;;基于分段趋势的符号化时间序列聚类表示[A];第37届中国控制会议论文集（D）[C];2018年

3 毛宇清;王咏青;王革丽;;支持向量机方法应用于理想时间序列的预测研究[A];中国气象学会2008年年会气候预测研究与预测方法分会场论文集[C];2008年

4 吴坚忠;路子愚;郑应平;;时间序列社会悖论模型及分析[A];1989年控制理论及其应用年会论文集（上）[C];1989年

5 雷敏;孟光;谢洪波;Kerreie Mengersen;Peter Bartlett;;嵌入维数对复杂时间序列的熵分析的影响研究[A];中国力学大会-2015论文摘要集[C];2015年

6 徐俊武;卢现祥;;公共支出、政府治理、部门效应与共享式增长——基于中国时间序列数据的分析[A];第十一届中国制度经济学年会论文汇编（上）[C];2011年

7 李强;;基于线性模型方法对时间序列中异常值的检测及证券实证分析[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（上册）[C];2002年

8 谢美萍;赵希人;庄秀龙;;多维非线性时间序列的投影寻踪学习逼近[A];'99系统仿真技术及其应用学术交流会论文集[C];1999年

9 戴丽金;何振峰;;基于云模型的时间序列相似性度量方法[A];第八届中国不确定系统年会论文集[C];2010年

10 张荷观;;每层抽一个单元时的方差估计[A];中国现场统计研究会第12届学术年会论文集[C];2005年

相关博士学位论文 前10条

1 郭珩;复杂网络在非线性时间序列分析中的应用[D];华东师范大学;2018年

2 鲁韵帆;随机交互金融模型的构建及金融时间序列的统计分析[D];北京交通大学;2018年

3 王晓晔;时间序列数据挖掘中相似性和趋势预测的研究[D];天津大学;2003年

4 李汉东;多变量时间序列波动持续性研究[D];天津大学;2000年

5 刘丹红;非线性协整与非线性波动协同持续建模研究[D];天津大学;2004年

6 许启发;基于时间序列矩属性的金融波动模型研究[D];天津大学;2005年

7 陈佐;时间序列相空间重构数据挖掘方法及其在证券市场的应用[D];湖南大学;2007年

8 邓伟辉;时间序列的多粒度智能分析方法研究[D];中国科学院大学(中国科学院重庆绿色智能技术研究院);2017年

9 刘文;海量时间序列数据处理的关键技术研究[D];大连理工大学;2017年

10 郑毅;时间序列数据分类、检索方法及应用研究[D];中国科学技术大学;2015年

相关硕士学位论文 前10条

1 张驰;函数型时间序列针对变点问题的平稳性检验方法比较[D];南京大学;2016年

2 吕玉红;时间序列异常检测算法的研究与应用[D];电子科技大学;2018年

3 白莹莹;基于SAX和回声状态网路的时序预测模型研究[D];太原理工大学;2018年

4 郭芷榕;基于BP神经网络和半监督学习的时间序列分类模型研究[D];太原理工大学;2018年

5 宫志晨;模型空间中的时间序列分类算法及其在不平衡数据上的应用[D];中国科学技术大学;2018年

6 卞松寒;时间序列的细化二元熵和递归性研究[D];北京交通大学;2018年

7 蔡林芝;基于Tukey法改进时间序列平稳性检验的分段检验法[D];四川师范大学;2018年

8 张伟;基于时间序列的货币与投资对CPI指数的关联性研究[D];中国地质大学(北京);2018年

9 陶志伟;基于分段矢量量化的时间序列分类研究[D];苏州大学;2017年

10 陈邦柱;基于CPI时间序列的季节性调整方法研究比较分析[D];清华大学;2016年

本文编号：2643749