Detecting frequency modulation in stochastic time series data
提出了一种新的统计检验方法,用于从时间序列数据中识别非平稳调频随机过程。我们的方法使用的瞬时相位作为一个歧视性的统计与可靠的临界值来自替代数据。我们模拟了一个振荡的二阶自回归过程,以评估测试的大小和功效。我们发现,我们提出的测试是能够正确地识别超过99%的非平稳数据时,模拟数据的频率增加了一倍后,上半年的时间序列。我们的方法很容易解释,计算成本低,不需要选择依赖于数据的超参数。
2022-08-05 physics.data-an stat.ME
Large-Scale Curve Time Series with Common Stochastic Trends
本文研究具有共同随机趋势的高维曲线时间序列,提出双重泛函因子模型并结合泛函PCA技术进行估计,推导了收敛性与极限分布理论,通过模拟与实证验证了方法的有效性。
2025-09-14 econ.EM stat.ME
Accurate Characterization of Non-Uniformly Sampled Time Series using Stochastic Differential Equations
ExxonMobil Research and Engineering Company(埃克森美孚研究与工程公司)
当实验者不能完全控制被研究过程的取样特性时,非均匀取样就产生了。此外,它被有意地引入到诸如贝叶斯优化和压缩感知的算法中。我们认为,随机微分方程(SDES)是特别适合于表征二阶矩的时间序列。我们引入新的初始估计的数值优化的可能性,增量估计和自回归模型的初始化的基础上。此外,我们引入模型截断作为一个纯粹的数据驱动的方法,以减少估计模型的基础上的最大似然阶。我们显示了新的估计在模拟实验中实现的精度增加,涵盖了所有具有挑战性的情况下,可能会遇到的特征非均匀采样的时间序列。最后,我们应用新的估计实验降雨变率数据。
2020-07-02 cs.LG stat.ML
Analytical Determination of Fractal Structure in Stochastic Time Series
Laboratoire de Psychologie Cognitive ( UMR --6146) CNRS \& Aix--Marseille Universit\'e I, Marseille, France
本文提出了一种基于贝叶斯评估的分析框架,用于客观准确地推断时间序列的分形结构,同时推导出一种优于现有方法的Hurst指数最大似然估计器。
2009-11-12 cond-mat.stat-mech cs.LG nlin.CD
Motion Code: Robust Time Series Classification and Forecasting via Sparse Variational Multi-Stochastic Processes Learning
University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出 Motion Code 框架,将时间序列视为连续时间随机过程,通过签名向量和最具信息量时间戳的稀疏变分学习捕捉多种底层动态,实现噪声数据上的鲁棒时间序列分类与预测,并在帕金森病传感器追踪等实验中优于现有基准。
2024-11-25 cs.AI cs.LG stat.ML
Dealing with Stochastic Volatility in Time Series Using the R Package stochvol
R包stochvol在随机波动率的框架内提供了异方差建模的完全贝叶斯实现。它利用马尔可夫链蒙特卡罗(MCMC)采样器进行推理,通过从参数和潜变量的后验分布中获得结果,然后可以用于预测未来的波动率。该软件包可以直接作为一个独立的工具,而且,它可以很容易地纳入其他MCMC采样器。本文的主要重点是展示stochvol的功能。此外,它还提供了模型的简要数学描述、所用抽样方案的概述以及使用汇率数据的几个说明性例子。
2019-06-28 econ.EM q-fin.CP q-fin.ST
A Robust Data-driven Process Modeling Applied to Time-series Stochastic Power Flow
在本文中,我们提出了一个强大的数据驱动的过程模型,其超参数使用Schweppe型广义极大似然估计鲁棒估计。所提出的模型进行训练记录的时间序列数据的电压相量和功率注入执行时间序列随机潮流计算。电力系统数据经常被大误差、故障条件、停电和极端天气等引起的异常值破坏。该模型降低了训练数据集测量中的垂直离群值和不良杠杆点的权重。使用投影统计计算用于约束离群值影响的权重,投影统计是时间序列数据点的马氏距离的稳健版本。所提出的方法被证明在IEEE 33总线配电系统和现实世界的不平衡240总线配电系统严重集成可再生能源。我们的仿真结果表明,所提出的鲁棒模型可以处理高达25%的训练数据集的离群值。
2023-01-06 cs.SY eess.SY stat.ML
ProGen: Revisiting Probabilistic Spatial-Temporal Time Series Forecasting from a Continuous Generative Perspective Using Stochastic Differential Equations
Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州))
ProGen提出利用随机微分方程和扩散生成模型进行概率时空预测,通过整合去噪分数模型与图神经网络,在四个交通数据集上超越现有确定性与概率模型。
2024-11-02 cs.LG stat.ML
Learning Continuous-Time Dynamics by Stochastic Differential Networks
连续时间随机动力学的学习是偶发时间序列建模中的一个基本问题,其观测值在时间和维度上都是不规则的和稀疏的。对于一个给定的系统,其潜在状态和观测数据是高维的,它通常是不可能得到一个精确的连续时间随机过程来描述系统的行为。为了解决上述问题,我们采用变分贝叶斯方法,并提出了一个灵活的连续时间随机递归神经网络称为变分随机微分网络(VSDN),它嵌入了零星时间序列的复杂动力学神经随机微分方程(ESDN)。VSDNs通过深度神经网络捕获潜在状态和观测之间的随机依赖性。我们还将两个差异证据下限有效地训练模型。通过全面的实验,我们证明了VSDN优于最先进的连续时间深度学习模型,并在零星时间序列的预测和插值任务上取得了显着的性能。
2021-04-29 cs.LG stat.ML
Characterization of Time Series Via Rényi Complexity-Entropy Curves
区分混沌和随机时间序列的最有用的工具之一是所谓的复杂熵因果平面。该图涉及两个复杂性度量:香农熵和统计复杂性。最近,这一想法已被推广,考虑Tsallis单参数推广的香农熵,产生复杂性熵曲线。这些曲线已被证明可以提高与数值和实验性质的随机和混沌过程有关的不同时间序列之间的区分力。在这里,我们进一步探讨这些复杂性熵曲线的背景下,雷尼熵,这是另一个单参数推广的香农熵。通过将Rényi熵与统计复杂度的适当推广相结合,我们将参数曲线(Rényi复杂度-熵曲线)与给定的时间序列相关联。我们探索这种方法在一系列的数值和实验应用,证明了这种新技术的有用性的时间序列分析。我们表明,雷尼复杂性熵曲线,使混沌,随机和周期性的时间序列之间的差异。特别是,随机性质的时间序列与在其初始点附近显示正曲率的曲线相关联,而与混沌现象相关的曲线具有负曲率;最后,周期性时间序列由垂直直线表示。
2018-01-17 cond-mat.stat-mech physics.data-an stat.AP
Inference of stochastic time series with missing data
从时间序列中推断动态是数据分析的一个重要目标。特别是,它是具有挑战性的推断随机动态给定不完整的数据。我们提出了一个期望最大化(EM)算法,交替两个步骤之间迭代:E-步骤恢复丢失的数据点,而M-步骤推断恢复数据的底层网络模型。使用合成动力学伊辛模型产生的数据,我们确认,该算法的工程恢复丢失的数据点,以及推断的基础模型。在EM算法的初始迭代中,模型推断与观测数据点相比与缺失数据点显示出更好的模型-数据一致性。然而,随着我们不断迭代,缺失的数据点显示出更好的模型数据一致性。我们发现,要求观察到的数据点和缺失的数据点的一致性相等,这为迭代提供了一个有效的停止标准,以防止超过最准确的模型推断。有了这个EM算法和这个停止标准,我们从真实神经元活动的时间序列数据中推断出缺失的数据点和底层网络。我们的方法恢复了神经元活动的集体属性,例如时间相关性和放电统计,这些属性以前从未被优化过。
2021-07-16 physics.data-an stat.ML
Tensor Stochastic Regression for High-dimensional Time Series via CP Decomposition
本文提出基于CP分解的高维张量随机回归统一框架,支持向量、矩阵与张量响应及预测变量,给出低秩与稀疏低秩估计、非渐近误差界和交替最小化算法,并通过模拟与实际数据验证其优势。
2025-06-07 stat.ME
Modelling Structural Breaks In Stock Price Time Series Using Stochastic Differential Equations
本研究针对季度盈利报告对股价的影响问题,用几何布朗扩散、CEV模型及多种随机微分方程变体,结合最大似然估计与网格搜索法拟合报告前后时段,证实盈利报告是股价序列的结构突变点,现有预测模型需重新拟合。
2023-08-22 stat.AP stat.ME
GT-PSSM: Unified Probabilistic Framework for Stochastic Dynamics Modeling and Dependency Learning in Multivariate Time Series Anomaly Detection
KAIST(韩国科学技术院);Pusan National University(釜山国立大学)
针对现有多元时间序列异常检测方法忽略随机性且难以捕捉长时依赖和变量交互的问题,提出GT-PSSM,统一概率框架结合PSSM与图变换器,实现更稳健的异常检测。
2026-09-29 cs.LG stat.ML
Inference in matrix-valued time series with common stochastic trends and multifactor error structure
本文针对高维矩阵值时间序列提出三步估计方法,通过先投影去除共同随机趋势、再估计平稳成分、最后重新估计趋势及其载荷,改进了扁平化估计器的收敛速度,并给出因子数量的一致估计。
2025-01-03 stat.ME
Nonparametric method of structural break detection in stochastic time series regression model
Indian Institute of Management Kozhikode(印度科泽科德管理学院);Indian Institute of Science Education and Research(印度科学教育与研究学院);Indian Institute of Management Bangalore(印度班加罗尔管理学院)
提出用于检测时间序列结构突变的非参数方法,不设特定参数形式,能精确定位变化点且估计的结构突变具一致性,经模拟研究和实际例子验证了算法有效性。
2026-07-28 stat.ME
Time series copula models using d-vines and v-transforms
提出了一种利用平稳d-藤Copula过程结合Lebesgue测度保持变换(称为v-变换)对波动性金融收益率序列建模的方法。通过开发一种方法的随机反转V-变换,模型的构建,可以同时描述随机波动的价格变动的幅度和序列相关性的方向。结合参数的边缘分布,它表明,这些模型可以竞争对手,有时优于著名的模型在扩展的Gestival家庭。
2021-07-13 q-fin.ST stat.ME
Error-feedback stochastic modeling strategy for time series forecasting with convolutional neural networks
Huazhong University of Science and Technology(华中科技大学)
尽管卷积神经网络在时间序列建模和预测方面表现出了优越性,但在神经网络结构的设计和超参数的调整方面还没有得到充分的探索。受随机多层感知器增量构造策略的启发,提出了一种新的误差反馈随机建模(ESM)策略来构造用于时间序列预测任务的随机卷积神经网络(ESM-CNN),该策略自适应地构造网络结构. ESM策略建议在构建过程中逐步增加误差反馈全连接层的随机滤波器和神经元,以稳定地补偿预测误差,然后引入滤波器选择策略,使ESM-CNN能够提取不同大小的时间特征,在每次迭代过程中为预测提供有用的信息。ESM-CNN的性能分别在一步和多步预测任务的预测精度上是合理的。在合成和真实世界数据集上的综合实验表明,所提出的ESM-CNN不仅优于最先进的随机神经网络,而且与训练的最先进的深度神经网络模型相比,具有更强的预测能力和更少的计算开销。
2022-02-11 cs.LG stat.ML
Transcripts and Algebraic Distances in Time Series: Stochastic Properties and Nonparametric Dependence Tests
Helmut Schmidt University(赫尔穆特·施密特大学);Universidad Miguel Hernández(米格尔·埃尔南德斯大学)
本文通过定义时间序列中连续序模式之间的转录本和代数距离(Cayley和Kendall编辑距离),推导其随机性质,并基于这些统计量构造非参数序列依赖性检验,模拟显示新检验具有优越的检验功效。
2026-05-25 stat.ME
Neural network stochastic differential equation models with applications to financial data forecasting
Huazhong University of Science and Technology(华中科技大学);Illinois Institute of Technology(伊利诺伊理工学院);China Securities Co., Ltd(中信建投证券股份有限公司)
本文利用神经网络逼近具有漂移和扩散系数的随机微分方程组,对具有大跳跃特性的混沌时间序列进行趋势预测。我们的贡献是,首先,我们提出了一个称为Lévy诱导的随机微分方程网络模型,该模型探讨了具有$α$ -稳定Lévy运动的复合随机微分方程来建模复杂的时间序列数据,并通过神经网络逼近来解决问题。其次,从理论上证明了该算法的数值解依概率收敛于相应的随机微分方程的解,且没有维数灾难。最后,我们通过将其应用于真实的金融时间序列数据来说明我们的方法,并发现通过使用非高斯Lévy过程来提高精度。我们还提出了详细的数据模式,各种模型,不同形状的Lévy运动和预测长度方面的比较。
2022-11-03 cs.LG q-fin.MF stat.ML
Time Series Modeling on Dynamic Networks
本文主要研究具有固定顶点数的动态网络的动态属性建模问题。这些属性被认为是时间序列,其依赖结构受到底层网络的影响。它们是由一个多变量双随机时间序列框架,即我们假设线性过程的系数矩阵是随机过程本身。我们明确允许系数矩阵的动态以及这两个随机过程之间的依赖。该框架允许对属性和底层网络进行单独建模。在这种情况下,我们定义网络自回归模型,并讨论其平稳性条件。此外,估计方法讨论了在低维和高维设置,以及如何将其应用于预测。有限样本行为的预测方法进行了研究。这种方法适用于实际数据,目标是预测33个经济体的国内生产总值。
2019-11-07 stat.ME
Quantum Quantile Mechanics: Solving Stochastic Differential Equations for Generating Time-Series
提出基于可微量子电路与分位数力学的量子算法,通过表示分位数函数并时间传播 SDE 解来生成时间序列,同时揭示其相较 qGAN 的训练约束优势。
2021-10-03 cond-mat.dis-nn quant-ph stat.ML
Semiparametric stochastic volatility modelling using penalized splines
随机波动率(SV)模型模拟了许多归因于资产收益时间序列的程式化事实,同时保持了概念上的简单性。然而,考虑到波动性,通常假设的条件正态分布或学生t分布的回报率受到了质疑。在这篇手稿中,我们介绍了一种新的最大惩罚似然方法估计的条件分布在SV模型中的非参数的方式,从而避免任何潜在的关键假设的形状。所考虑的框架利用了强大的隐马尔可夫模型机械和惩罚B-样条的优势,并构成了一个强大的和灵活的替代最近开发的贝叶斯方法半参数SV建模。我们证明了这种方法的可行性,在模拟研究之前,概述了它的潜力,应用到三个系列的股票收益率和一个系列的股票指数收益率。
2014-06-17 q-fin.ST stat.ME
Modeling Multiple Irregularly Spaced Financial Time Series
本文通过修改规则间隔的随机波动率模型,提出了适用于不规则间隔金融时间序列的单变量及多元随机波动率模型,并利用 WRDS 的 TAQ 数据库中的医疗板块股票日内对数收益率进行了建模应用。
2023-05-24 stat.AP
Fitting stochastic predator-prey models using both population density and kill rate data
大多数机械的捕食者-被捕食者模型都涉及过程速率数据的参数化或逆模型。在这里,我们采取中间道路:我们的目标是确定组合数据集的潜在好处,当人口增长和捕食过程被视为随机的。我们适合离散时间,随机的捕食者-被捕食者模型的Leslie型模拟时间序列的密度和杀死率的数据。我们的模型既有环境随机性的增长率和相互作用的随机性,即,一种随机的功能反应我们研究什么杀死率数据带来的估计的质量,以及是否有可能(为各种时间序列长度)仅与人口计数或生物量数据的时间序列的估计。贝叶斯和频率估计进行,提供多种方法来检查模型的可识别性。Fisher信息矩阵表明,具有和不具有杀灭率数据的模型都是可识别的,尽管属于同一函数形式的参数之间仍然存在相关性。然而,我们的研究结果表明,如果吸引子是一个固定点的随机性的情况下,识别参数在实践中需要杀死率数据作为人口密度的时间序列的补充,由于相对平坦的可能性。只有噪声极限环吸引子可以直接从种群计数数据中识别(如在逆建模中),尽管即使在这种情况下,添加杀灭率数据(包括少量)也可以使估计更加精确。总体而言,我们表明,在过程中的随机性的相互作用率,相互作用的数据可能是必不可少的,以获得可识别的多个物种的动力学模型。这些结果可能会扩展到其他生物的相互作用比捕食,类似的模型相结合的相互作用率和人口计数可以开发。
2021-02-10 q-bio.PE q-bio.QM stat.AP
Goodness-of-fit tests for Markovian time series models: Central limit theory and bootstrap approximations
基于观测过程的一步转移分布函数的完全非参数估计与在原假设下假设的模型类的完全非参数估计之间的差异,提出了时间序列分析中马尔可夫模型的新的拟合优度检验.空值下的模型规范允许马尔可夫模型,其转换机制取决于未知的参数向量和未指定的i.i.d.分布。创新。渐近性质的检验统计量的推导和临界值的测试被发现使用适当的自助方案。导出了马尔可夫过程自举的一般性质。得到了弱相依随机变量三角阵列的一个新的中心极限定理。对于多维经验过程的随机等度连续性的证明,我们使用一个简单的方法,基于各向异性平铺的空间。通过一些数值例子说明了所提出的测试的有限样本行为,并给出了一个实际数据的应用。
2008-03-06 math.ST stat.TH
Stochastic comparisons of series and parallel systems with heterogeneous components
本文讨论了具有独立非均匀指数化Nadarajah-Haghighi(ENH)分量的并行系统的随机比较问题,给出了通常的随机序、色散序、凸变换序和似然比序.在阿基米德Copula存在的情况下,研究了级数相关系统在通常随机序意义下的随机比较问题。
2017-04-20 math.ST stat.TH
Stochastic ordering results in parallel and series systems with Gumble distributed random variables
并联和串联系统的随机比较是一个值得研究的问题。本文给出了具有两个参数(一个位置和一个形状)的Gumble分布的具有独立分量的并联和串联系统的随机比较。本文首先给出了并行系统的似然比排序的条件,然后利用向量优化技术的概念,对系统按逆危险率排序、危险率排序、分散排序和相对于位置参数的不确定性较小的排序进行了比较。
2019-05-01 math.ST stat.TH
Stochastic comparisons of lifetimes of series and parallel systems with dependent and heterogeneous components
这项工作考虑随机比较的寿命的串联和并联系统的依赖和异构组件的寿命以下的比例优势(PO)模型。采用阿基米德生存copula模型对元件寿命的联合分布进行建模。我们讨论了我们的研究结果在系统可靠性和精算科学的一些潜在的应用。
2021-01-01 math.ST stat.TH
Usual stochastic ordering results for series and parallel systems with components having Exponentiated Chen distribution
本文讨论了两个系统之间的随机序关系。每个系统由n个相互独立的部件组成。组分遵循具有三个参数$α, β, λ$的指数(扩展)Chen分布。两个流行的系统被考虑,一个是串联系统,另一个是并联系统。本文的结果是通过改变一个参数而保持其他参数不变而得到的。借助反例证明了串联或并联系统不可能存在的危险率排序或反向危险率排序关系。
2020-02-27 math.ST stat.TH
Stochastic Comparisons of Lifetimes of Two Series and Parallel Systems with Location-Scale Family Distributed Components having Archimedean Copulas
本文随机比较了两个串联和两个并联系统的寿命,其中每个元件的寿命服从位置-尺度(LS)分布族。比较是在两种情况下进行的:一,系统的组件具有共享阿基米德copula的依赖结构和两个,组件是独立分布的。结果表明,当系统的位置参数或尺度参数离散程度较大时,系统具有串联或并联共享阿基米德Copula的结构,在通常的随机序意义下,系统的性能较好.它还表明,如果组件是独立分布的,它是可能的,以获得更普遍的结果相比,依赖设置。本文的结果推广了指数分布和威布尔分布元件在独立和相关情况下的类似结果。
2017-10-02 math.ST stat.TH
Quasi-maximum-likelihood estimation in conditionally heteroscedastic time series: A stochastic recurrence equations approach
本文研究了一般乘型$X_t=σ_tZ_t$的条件异方差时间序列模型的拟极大似然估计,其中不可观测波动率$σ_t$是$(X_{t-1},...,X_{t-p},σ_{t-1},... ,σ_{t-q})$的参数函数,对于某些$p,q\ge0$,且$(Z_t)$是标准化的i.i.d.噪声我们假设这些模型是随机递归方程的解,满足收缩(随机Lipschitz系数)属性。这些假设对于流行的Gestival过程、非对称Gestival过程和指数Gestival过程都是成立的。利用压缩性质,给出了随机递归方程严格平稳解$(X_t)$存在唯一的条件,并建立了QMLE的相合性和渐近正态性.我们还讨论了这种时间序列模型的可逆性问题。
2007-02-23 math.ST stat.TH
Estimation of accuracy and reliability of models of $φ$-sub-Gaussian stochastic processes in $C(T)$ spaces
针对无法显式分解为独立项级数的$φ$-次高斯随机过程,研究其在$C(T)$空间中模型的可靠性与精度,并证明定理以估计近似分解误差对模型精度的影响。
2025-03-25 math.ST stat.TH
Stochastic Comparisons of Series and Parallel Systems with Topp-Leone Generated Family of Distributions
在这篇文章中,我们随机比较了具有Topp Leone生成的分布族的串联和并联系统。我们考虑了当尺度参数固定时,系统各组成部分的寿命具有不同的形状参数,或当形状参数固定时,系统各组成部分的寿命具有不同的尺度参数,并借助于向量优化技术建立了一些排序结果。
2019-08-16 math.ST stat.AP stat.TH
Asymptotic theory of semiparametric $Z$-estimators for stochastic processes with applications to ergodic diffusions and time series
本文将主要在现代经验过程背景下发展起来的$Z$ -估计理论的一部分推广到随机过程的情况,典型的是半鞅。本文给出了一个一般定理,当$Ψ_n$的补偿器是随机的时,得到了具有抽象冗余参数$h$的估计方程$θ\leadsto Ψ_n(θ,\widehat{h}_n)=0$解的渐近性态.作为其应用,我们考虑了遍历扩散过程模型中的估计问题,其中漂移系数包含一个未知的,有限维的参数$θ$和扩散系数是由冗余参数$h$从无限维空间索引。冗余参数空间的一个例子是一类光滑函数。我们建立了漂移系数的$Z$ -估计的渐近正态性和有效性。作为另一个应用,我们也提出了一个类似的结果在遍历时间序列模型。
2009-09-02 math.ST stat.TH
Modelling with given reliability and accuracy in the space $L_p(T)$ of stochastic processes from $Sub_φ(Ω)$ decomposable in series with independent elements
本文研究在 $L_p(T)$ 空间中按给定可靠性与精度逼近 $Sub_φ(Ω)$ 随机过程的建模方法,并构造可分解为含近似元级数的过程模型,以 Karhunen-Loève 模型为例说明其应用。
2025-05-05 math.PR math.ST stat.TH
Stochastic comparison of series and parallel systems lifetime in Archimedean copula under random shock
本文研究了经历随机冲击的异质相依组件构成的串联与并联系统寿命的随机排序,基于Archimedean copulas和组件生存函数的对数凹凸性建立条件,利用通常的随机序框架比较两系统寿命,并辅以实例和图形阐明理论发现。
2025-05-28 math.PR math.ST stat.AP