Testing Serial Independence of Object-Valued Time Series
提出基于度量空间自距离协方差的非参数方法检验对象值时间序列序列独立性，构造Cramer-von Mises检验统计量并利用wild bootstrap确定临界值，有效捕捉所有非线性成对依赖关系。
2023-07-27 stat.ME
Testing the constancy of Spearman's rho in multivariate time series
提出了一类对多变量时间序列的横截面秩相关变化特别敏感的变点检测检验。派生的程序是基于斯皮尔曼的ρ的几个多元扩展。研究了两种检验方法：第一种是基于回归的检验，第二种是估计渐近零分布。证明了这两种方法在零点下对强混合观测的渐近有效性。提出了一种用于估计这两种方法中涉及的关键带宽参数的程序，使得导出的测试无参数。通过蒙特卡罗实验研究了它们的有限样本行为。最后给出了三变量财务数据的实例。
2015-02-26 stat.ME
Testing unit root non-stationarity in the presence of missing data in univariate time series of mobile health studies
本文针对移动健康时间序列中的缺失数据问题，提出基于状态空间模型的最大似然估计与多重插补方法以改进ADF单位根检验，并开发MNAR敏感性分析技术，通过模拟和双相情感障碍患者智能手机研究验证其有效性。
2022-10-10 stat.ME
The dynamic generalized covariance measure for conditional independence testing with nonstationary time series
Carnegie Mellon University（卡内基梅隆大学）；Queen Mary University of London（伦敦大学玛丽女王学院）
本文提出首个适用于非平稳非线性过程单次实现的条件独立性检验框架，通过时变非线性回归等技术解决线性模型难以捕捉非线性动态的问题，为相关领域的随机过程关系识别提供了新工具。
2026-10-22 math.ST stat.ME stat.ML
Testing for change in mean of heteroskedastic time series
本文考虑了一种拉格朗日乘数型检验（LM），用于检测具有未知形式异方差的时间序列的均值变化。我们得到了极限分布下的零，并证明了一致性的测试对替代的突然或平滑的变化的意思。我们还进行了一些蒙特卡罗模拟来分析的大小失真和功率的建议测试。我们得出的结论是，对于中等样本量，该测试具有良好的性能。最后，我们使用标准普尔500指数的每日收盘水平进行了实证应用，以说明所提出的测试的有用性。
2011-02-26 q-fin.ST stat.ME
White noise testing for functional time series via functional quantile autocorrelation
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；Macquarie University（麦考瑞大学）
本文提出了一种新的非线性检验方法，用于检测功能时间序列中的序列依赖性，基于功能分位数自相关框架，具有鲁棒性，能处理潜在的异常值和复杂非线性依赖。
2026-05-09 stat.ME
Bayesian Testing Of Granger Causality In Functional Time Series
本文提出多元函数型自回归模型，结合贝叶斯动态线性模型与贝叶斯因子检验格兰杰因果，并应用于金融收益率曲线和气候污染物数据。
2021-12-31 q-fin.ST stat.AP stat.ME
Testing for explosive bubbles: a review
本文综述了时间序列中爆炸气泡的检测方法。大量的最近开发的测试方法下的各种假设创新的错误。审查还考虑了爆炸（气泡）制度的方法。特别注意的是致力于随时间变化的波动性的错误。此外，建模与爆炸制度的时间序列之间可能存在的关系进行了讨论。
2022-07-17 econ.EM stat.AP stat.ME
Beyond Coefficients: Forecast-Necessity Testing for Interpretable Causal Discovery in Nonlinear Time-Series Models
Lucy Family Institute for Data & Society（数据与社会联合研究所）；University of Notre Dame（诺特大学）；Department of Political Science（政治学系）
针对非线性时间序列模型中因果分数被误读为回归系数的问题，提出基于边消融和预测比较的预测必要性检验框架，以评估因果关系的实际必要性。
2026-04-20 cs.AI cs.LG stat.ME
Testing for Parallelism Between Trends in Multiple Time Series
本文研究了多个非平稳时间序列的趋势推断问题。为了检验趋势是否相互平行，我们使用了基于非参数趋势估计量与其平均值之间的L2距离的平行性指数。得到了检验统计量的中心极限定理，并建立了检验的相合性。我们提出了一个基于模拟的近似分布的检验统计量，显着改善后的正常近似。该测试也适用于设计一个聚类算法。最后，有限样本的测试性能进行评估，通过模拟和测试方法说明了时间序列从摩托罗拉手机活动在美国。
2011-05-24 math.ST stat.ME stat.TH
Designing Time Series Experiments in A/B Testing with Transformer Reinforcement Learning
School of Mathematical Sciences（数学科学学院）；Zhejiang University（浙江大学）；Yunnan Key Laboratory of Statistical Modeling and Data Analysis（云南统计建模与数据分析重点实验室）；Yunnan University（云南大学）；School of Statistics（统计学系）；East China Normal University（华东师范大学）；University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；London School of Economics and Political Science（伦敦政治经济学院）
本文提出基于Transformer的强化学习方法，用于在A/B测试中设计时间序列实验，通过充分利用历史记录和直接优化均方误差，提升实验设计效果。
2026-02-02 cs.LG stat.ME stat.ML
Goodness-of-Fit Testing for Time Series Models via Distance Covariance
在许多统计建模框架中，通常对估计残差进行拟合优度检验。在时间序列设置中，使用样本自相关函数评估残差的白度。对于许多时间序列模型，特别是那些用于金融时间序列的模型，关于残差的关键假设是它们实际上是独立的，而不仅仅是不相关的。在本文中，我们应用自距离协方差函数（ADCV）来评估估计残差的序列相关性。距离协方差可以区分两个随机向量的相依性和独立性。对于一般的一类时间序列模型，导出了基于ADCV的检验统计量的极限行为。该理论的一个关键方面是调整由于参数估计而产生的相关性。无论型号规格如何，该调整基本上具有相同的形式。我们在模拟的例子中说明了结果。
2019-03-02 math.ST stat.ME stat.TH
A robust approach for testing parameter change in Poisson autoregressive models
参数变化检验一直是时间序列分析中的一个重要问题。在整数值时间序列领域中也积极地探索了这个问题，但是在异常值存在的情况下的测试还没有被广泛地研究。本文研究了Poisson自回归模型中参数变化的检验问题，特别是当观测值被异常值污染时。为了减少异常值对检验过程的影响，我们提出了一种基于Basu等人（Biometrika，1998）提出的密度幂散度的检验方法，并推导了其极限零分布。蒙特卡罗模拟结果表明了该方法的有效性和较强的鲁棒性。
2019-08-29 stat.ME
IID Time Series Testing
传统的白噪声测试，例如Ljung-Box测试，仅研究自相关函数（ACF）。时间序列可以是异方差的，因此不是独立同分布的。但仍然是白噪声（即，具有零ACF）。异方差性的一个例子是金融时间序列：高方差的时间（金融危机）可以与低方差的时间（平静时间）交替出现。这里，时间序列项的绝对值不是白噪声。我们可以分别对原始值和绝对值进行白噪声测试，例如对两者都使用Ljung-Box测试。在本文中，我们创建了一个综合测试，它结合了这两个测试。此外，我们创建了一个通用框架来创建各种i.i.d.。试验.我们应用测试模拟数据，自回归线性和异方差。
2022-03-24 math.ST stat.TH
On testing for independence between generalized error models of several time series
United Arab Emirates University（阿联酋大学）；Université de Montréal（蒙特利尔大学）；HEC Montréal（蒙特利尔高等商学院）
本文提出用于检验广义误差模型间独立性的统计量，扩展了之前关于随机波动模型的结果，并通过数值实验和实际应用展示方法的有效性。
2026-05-14 stat.ME
Symmetry Testing in Time Series using Ordinal Patterns: A U-Statistic Approach
University of Twente（特温特大学）；Universidad Politécnica de Cartagena（卡塔赫纳理工大学）
本文提出了一种基于U统计量的序数模式方法，用于高效检测时间序列中的对称性，适用于任意对称性测试，并在合成和真实数据上验证了其高灵敏度和计算效率。
2026-01-20 math.ST stat.TH
Long range dependence spectral testing from discretely observed functional time series in manifolds
University of Granada（格拉纳达大学）；University of Santiago de Compostela（圣地亚哥-德孔波斯特拉大学）
本文研究流形中离散观测的受污染函数型时间序列的长程依赖谱检验，分析该检验程序的渐近性质，拓展了原有完全观测数据下的检验框架。
2026-08-12 math.ST stat.TH
Testing for the Markov Property in Time Series via Deep Conditional Generative Learning
University of California at Berkeley（加州大学伯克利分校）；London School of Economics and Political Science（伦敦政治经济学院）
本文提出一种基于深度条件生成学习的非参数检验方法，用于检验高维时间序列的马尔可夫性质并推断模型阶数，通过双重稳健统计量和交叉拟合实现参数收敛速度，模拟与实证验证了其有效性。
2023-05-30 cs.LG stat.ML
Extremal Dependence-Based Specification Testing of Time Series
基于标准化残差的极值依赖性质，提出了条件位置-尺度模型的规格检验。我们这样做比较遗留下来的序列极值依赖-作为衡量的前渐近尾copula -所产生的串行独立在不同的滞后。我们的主要理论结果表明，所提出的Portmanteau型检验统计量具有无干扰参数的渐近极限。检验统计量很容易计算，因为它们只依赖于标准化残差，临界值也很容易从极限分布中获得。这与现存的测试（基于，例如，平方残差的自相关性），其中检验统计量取决于模型的参数估计量，并且可能需要自举临界值。我们表明，我们的测试在模拟中表现良好。对标准普尔500指数成分股的实证应用表明，我们的测试可以发现剩余序列独立性的违规行为，这些违规行为未被标准的基于自相关的规范测试发现，但当该模型用于以下用途时却具有相关性：例如，风险预测
2021-08-04 stat.ME
Fractional lower-order covariance-based measures for cyclostationary time series with heavy-tailed distributions: application to dependence testing and model order identification
Faculty of Pure and Applied Mathematics, Hugo Steinhaus Center, Wroclaw University of Science and Technology（弗罗茨瓦夫科技大学纯科学与应用数学学院，雨果·斯坦豪斯中心）
本文提出基于分数低阶协方差的循环平稳时间序列分析方法，用于处理具有厚尾分布的无限方差过程，通过peFLOACF和peFLOPACF进行依赖性检验和模型阶数识别。
2026-04-15 stat.ME
Testing for independence between functional time series
计量经济学家经常对验证两个或多个时间序列之间的关系感兴趣。这种分析通常通过因果关系和/或独立性检验来进行，当数据是单变量或多变量时，这些检验已经得到了很好的研究。然而，现代数据越来越具有高维或函数性质，有限维方法不适合。在本文中，我们开发的方法来检查的假设，从两个功能时间序列获得的数据是独立的。我们的方法是基于经验互协方差算子的范数，并渐近验证时，基本的人口被假定为一类弱相关的随机函数，其中包括功能ARMA，GARMA和GARMA过程。
2014-03-22 math.ST stat.TH
Testing for parameter change in general integer-valued time series
研究一类离散值时间序列的结构变化，即条件分布服从单参数指数族。我们提出了一个基于模型参数的极大似然估计的变点检验。在（无变化）的原假设下，检验统计量收敛于已知分布，允许计算检验的临界值。检验统计量在备选项下发散到无穷大，即检验渐近具有功效1。一些模拟结果和实际数据的应用报告显示的测试程序的适用性。
2016-02-28 math.ST stat.TH
A similarity measure for second order properties of non-stationary functional time series with applications to clustering and testing
由于数据存储技术的激增，需要开发适当的技术来识别模式，并从由此产生的巨大的数据集提取知识，这些数据集可以被视为依赖功能数据的集合，这在许多科学领域越来越受到关注。我们开发了一个相似性度量的频谱密度运营商的功能时间序列的集合，这是基于聚合的希尔伯特-施密特差异的个人随时间变化的频谱密度运营商。在相当一般的条件下，得到了相应估计量的渐近性质，并建立了渐近正态性。引入的统计本身自然量化功能时间序列，我们随后利用，以建立一个谱聚类算法之间的相似性。我们的算法是第一个在非平稳（功能）时间序列的分析，并能够发现特定的模式，通过分组在一起的“类似”系列成集群，从而大大降低了分析的复杂性。该算法实现简单，计算可行。作为进一步的应用，我们提供了一个简单的测试的假设，两个非平稳功能时间序列的二阶属性相吻合。
2018-12-01 math.ST stat.ME stat.TH
On nonparametric and semiparametric testing for multivariate linear time series
我们制定了非参数和半参数假设检验的多元平稳线性时间序列在一个统一的方式，并提出了新的检验统计量的基础上估计的谱密度矩阵。这些检验统计量在原假设下的极限分布始终是正态分布，并且可以很容易地实现以供实际使用。如果零假设为假，则随着样本量趋于无穷大，零假设也趋于无穷大，因此对于任何替代方案都是相合检验。该方法适用于各种零假设，如分量序列之间的独立性、分量序列的自协方差函数或自相关函数的相等性、协方差阵函数的可分性和时间可逆性等。此外，具有非线性约束（如两个序列之间的条件独立性）的原假设可以以相同的方式进行测试。
2009-09-02 math.ST stat.TH
Testing for change points in time series models and limiting theorems for NED sequences
本文首先建立了近历元相关序列前后向和的强大数律和强不变原理。利用这些极限定理，我们发展了一个一般的渐近理论的Wald测试的变点在一般类的时间序列模型下的无变点假设。作为一个应用，我们验证了我们的假设的长记忆分数ARIMA模型。
2007-08-17 math.ST stat.TH
The Cross-Quantilogram: Measuring Quantile Dependence and Testing Directional Predictability between Time Series
本文提出了交叉分位数图来度量两个时间序列之间的分位数依赖性。我们应用它来检验一个时间序列对另一个时间序列没有方向可预测性的假设。建立了交叉数量图的渐近分布和相应的检验统计量。极限分布依赖于冗余参数。为了构建一致的置信区间，我们采用平稳引导程序，我们显示这个引导程序的一致性。此外，我们认为自归一化的方法，这是渐近关键的原假设下没有可预测性。我们提供了模拟研究和两个实证应用。首先，我们使用交叉数量图来检测从股票方差到超额股票收益率的可预测性。与股票收益可预测性文献中使用的现有工具相比，我们的方法提供了一个更完整的预测和股票收益之间的关系。其次，我们调查了单个金融机构的系统性风险，如摩根大通，高盛和美国国际集团。这篇文章在网上有补充材料。
2018-01-21 math.ST stat.AP stat.ME
Applications of Universal Source Coding to Statistical Analysis of Time Series
Siberian State University of Telecommunications and Informatics（西伯利亚国立电信与信息大学）
我们展示了如何通用代码可以用来解决一些最重要的时间序列统计问题。根据定义，通用代码（或通用无损数据压缩器）可以将由平稳和遍历源生成的任何序列渐近压缩到香农熵，而香农熵又是无损数据压缩器可实现的最佳比率。本文研究了有限字母表时间序列和实值时间序列的极限概率估计、实值时间序列的密度估计、在线预测、回归、分类等问题（或附带信息的问题）以及以下假设检验问题：拟合优度检验或同一性检验，以及序列独立性检验。值得注意的是，所有问题都是在经典数理统计的框架内考虑的，另一方面，日常的数据压缩（或存档）方法可以用作估计和测试的工具。事实证明，在实践中应用时，建议的方法和测试往往比已知的方法和测试更强大。
2008-09-07 cs.AI cs.IT math.IT
Testing and Estimating Change-Points in the Covariance Matrix of a High-Dimensional Time Series
本文研究了高维线性时间序列协方差结构中变点的检验和估计方法。假设的框架允许一个大类的多元线性过程（包括向量自回归移动平均（VARMA）模型）的增长维度和尖峰协方差模型。该方法使用中心或非中心样本方差-协方差阵的双线性型。变点检验和估计是基于最大选择加权累积和（MANUUM）统计量。大样本近似下的变点制度，包括一个多变量的CRAMUM变换的增加的维度。对于未知的渐近方差和协方差参数（对）的统计量，我们提出了一致的估计。基于弱大数定律的顺序版本，我们还考虑停止样本估计的观察，直到估计的变点。有限样本性质的程序进行了研究，通过模拟和他们的应用程序进行了说明，通过分析一个真实的数据集，从cumbermetrics。
2020-01-13 math.PR math.ST stat.AP
Testing Equality of Autocovariance Operators for Functional Time Series
我们考虑希尔伯特空间值随机变量的严格平稳随机过程，并着重于几个独立函数时间序列的零滞后自协方差算子相等性的全函数检验。提出了一种基于移动块引导的测试方法，该方法产生满足感兴趣的原假设的伪随机元。它是基于直接引导的张量积的时间序列，克服了一些常见的困难与应用程序的引导相关的测试问题。建议的方法可以潜在地应用于广泛的检验统计量的假设的兴趣。作为一个例子，我们建立了有效的近似分布下的空的检验统计量的基础上相应的样本滞后零自协方差算子的Hilbert-Schmidt距离，并显示下的替代品的一致性。作为一个先决条件，我们证明了一个中心极限定理的移动块自助程序适用于样本自协方差算子，这是感兴趣的本身。有限的样本量和功率性能的建议移动块引导为基础的测试过程中示出通过模拟和应用程序的现实生活中的数据集进行了讨论。
2020-04-05 math.ST stat.TH
Nonparametric Testing of Spatial Dependence in 2D and 3D Random Fields
Helmut Schmidt University（赫尔穆特·施密特大学）；University of Greifswald（格赖夫斯瓦尔德大学）
提出一种基于希尔伯特曲线将空间数据转为一维序列、用序数模式检验空间依赖性的非参数方法，适用于二维和三维随机场，且易于扩展到更高维。
2025-10-17 stat.ME
Conditional Independence Testing in Time Series
University College London（伦敦大学学院）；University of Cambridge（剑桥大学）
针对时间序列中格兰杰因果检验，提出无模型的条件独立性检验方法GTCM，通过非线性回归与残差协方差统计量，在弱假设下控制错误率并利用全数据估计。
2026-09-18 math.ST stat.ME stat.TH
Bootstrap Based Inference for Sparse High-Dimensional Time Series Models
将稀疏模型拟合到高维时间序列是统计推断的一个重要领域。在本文中，我们考虑稀疏向量自回归模型和发展适当的自助方法来推断这样的过程的属性。我们的引导方法产生伪时间序列使用基于模型的引导程序，其中涉及一个估计，稀疏版本的基础向量自回归模型。使用自回归模型参数的所谓去稀疏或去偏估计量进行推断。我们推导出这种估计量的渐近分布在时间序列的上下文中，并建立渐近有效性的自助程序提出的估计，并适当修改，用于测试的目的。特别是，我们专注于测试，大组的自回归系数等于零。我们的理论结果是补充模拟研究有限样本性能的自举方法。一个真实的数据应用程序。
2019-09-24 stat.ME
Hydrological time series forecasting using simple combinations: Big data testing and investigations on one-year ahead river flow predictability
National Technical University of Athens（雅典国家技术大学）；Hellenic Air Force（希腊空军）
提供有用的水文预报对于城市和农业用水管理、水力发电、洪水保护和管理、减轻和缓解干旱以及河流流域规划和管理等至关重要。在这项工作中，我们提出和评估一个新的简单而灵活的水文时间序列预测方法。这种方法依赖于（a）至少两种单独的预测方法和（b）预测的中值组合。该评价是通过使用一个大的数据集，包括90年的平均年径流量的时间序列，从大约600站。这些监测站覆盖北美和欧洲的大部分地区，代表了各种气候和集水特征，因此可以共同支持基准测试。对每个时间序列应用了五种单独的预测方法和26种所介绍方法的变体。应用是在一步提前预测模式。个别方法是最后一次观察基准，简单指数平滑，复杂指数平滑，自动自回归分数积分移动平均（ARFIMA）和Facebook的先知，而26种变体是由上述五种方法的所有可能组合（每两种，三种，四种或五种）定义的。新的方法被确定为长期表现良好，特别是当两个以上的个人预测方法结合在其框架内。此外，在系统框架内的不同的水文预报方法的情况下知情的集成的可能性进行了算法研究和讨论。相关的调查包括线性回归分析，其目的是找到一个有代表性的预测性能指标的值和选定的河流流量统计值之间的可解释的关系.
2020-08-18 cs.LG stat.AP stat.ME
Testing for change-points in long-range dependent time series by means of a self-normalized Wilcoxon test
我们提出了一种基于Wilcoxon双样本检验统计量的检验方法，以检验长期相关数据均值的变点。我们表明，相应的自归一化检验统计量收敛于分布的非退化限制的假设下，没有发生变化，它发散到无穷大下的一个变点与恒定的高度的替代。在局部替代下，即假设水平移动的高度随着样本量的增加而减小，我们得到了自归一化Wilcoxon检验统计量的渐近分布.关于有限样本性能，模拟结果证实，自归一化Wilcoxon检验在假设和替代之间产生一致的区分，并且其经验大小已经接近中等样本量的显着性水平。
2014-09-09 math.ST stat.TH
Controlled time series generation for automotive software-in-the-loop testing using GANs
Volvo Group（沃尔沃集团）；Chalmers University of Technology（查尔姆斯理工大学）；Semcon AB（赛迈康股份公司）
测试汽车机电一体化系统部分使用软件在环方法，其中系统地覆盖被测系统的输入仍然是一个主要挑战。在目前的实践中，有两种主要的输入刺激技术。一种方法是精心设计输入序列，它简化了测试过程的控制和反馈，但没有将系统暴露在现实的场景中。另一种是重放从现场操作记录的序列，这考虑到现实，但需要收集具有足够容量的标记良好的数据集以供广泛使用，这是昂贵的。这项工作应用了生成对抗网络（GAN）的著名无监督学习框架来学习记录的车载信号的未标记数据集，并将其用于生成合成输入刺激。此外，一个基于度量的线性插值算法，它保证生成的刺激遵循一个可定制的相似性关系与指定的参考。这种技术的组合使得能够控制生成丰富的有意义和现实的输入模式，提高虚拟测试覆盖率，减少昂贵的现场测试的需要。
2020-02-18 cs.LG stat.ML
Model Specification Test for Stationary Functional Time Series
Illinois State University（伊利诺伊州立大学）；Ruhr-University Bochum（波鸿鲁尔大学）；Zhejiang University（浙江大学）
本文提出一个基于自回归近似和加权L2距离的通用框架，用于平稳函数型时间序列的模型设定检验，涵盖阶数检验、ARMA设定检验和可分离性检验，并证明了渐近有效性。
2026-09-24 math.ST stat.ME stat.TH
Testing for white noise under unknown dependence and its applications to goodness-of-fit for time series models
在计量经济学和统计学的文献中，对白噪声的检验已经有了很好的研究。对于大多数的检验统计量，如著名的Box-Pierce检验统计量与固定滞后截断数，渐近零分布下获得的独立和同分布的假设，并可能不适用于相关的白噪声。由于最近流行的条件异方差模型（例如，Gestival模型），这意味着非线性依赖与零自相关，有必要了解现有的检验统计量的渐近性质未知的依赖。本文证明了当滞后截断数随样本量的增加而以适当的速率增长时，在弱相依性未知的情况下，具有一般权值的Box-Pierce检验统计量的渐近零分布仍然成立.进一步的应用程序，诊断检查的ARMA和FARIMA模型与相关的白噪声的错误也解决了。我们的研究结果超越了早期的允许非高斯和条件异方差误差的ARMA和FARIMA模型，并提供了理论支持文献中报道的一些实证研究结果。
2009-06-29 math.PR math.ST stat.ME
Reverse Stress Testing for Multivariate Scenarios: A Conditional Framework for Stressed Time Series
ARCA Fondi SGR
提出一种反向压力测试方法，从单一资产类别的外生冲击出发，重建与市场经验依赖结构一致的多变量压力场景，并通过三种分布假设下的条件密度最大化求解。
2026-06-08 q-fin.RM q-fin.ST stat.ME
A Frequency Domain Test for Propriety of Complex-Valued Vector Time Series
本文提出了一种频域方法来检验复值向量时间序列是适当的假设，即，用于测试矢量时间序列是否与其复共轭不相关。如果该假设被拒绝，则将识别引起拒绝的频带，并且该频带可能有用地与物理过程的已知属性相关。该测试需要相关的光谱矩阵，该矩阵可以通过使用例如$K$锥度的多锥度方法来估计。检验统计量的标准渐近分布没有用，因为它们需要$K \rightarrow \infty,$，但是随着$K$增加，分辨率带宽也增加，这会导致光谱模糊。在许多分析$K$是必须保持小，因此我们的努力是针对小$K.$的假设检验的实用和准确的方法。我们的广义似然比统计量结合精确的累积量匹配给出了非常准确的拒绝百分比，优于其他方法。我们还证明，统计检验的基础上，是由典型的相干性所产生的从我们的复值向量时间序列。我们的方法证明了在拉布拉多海不同深度收集的海流数据。总的来说，这项工作扩展的结果适当测试复值向量的复值向量时间序列设置。
2016-05-19 stat.AP stat.ME
Deciphering Dynamical Nonlinearities in Short Time Series Using Recurrent Neural Networks
University of Kentucky（肯塔基大学）
替代测试技术已被广泛用于研究确定性混沌过程的一个重要组成部分，即动力学非线性的存在。传统的替代检验采用统计假设检验，并研究给定的经验样本与其替代样本之间判别统计量的潜在差异。在短时间序列中，判别统计量的选择和估计可能具有挑战性。此外，基于单一经验样本的结论是一个固有的局限性。本研究提出了一种递归神经网络分类框架，该框架使用原始时间序列，避免了对判别统计的需要，同时适应多个时间序列实现，以增强研究结果的概括性。结果表明，在短时间序列长度（L = 32，64，128）从连续和离散动力系统在混沌区，线性相关噪声的非线性变换和实验数据。分类器的准确性被证明是显着高于>> 50%的混沌政权的过程，而非线性相关的噪声是约50%相似的随机猜测，从一个样本二项式测试。这些结果是有前途的，并阐明了所提出的框架在识别潜在的动力学非线性短实验时间序列的有用性。
2019-07-15 cs.LG eess.SP q-bio.QM
Testing for unspecified periodicities in binary time series
本文提出一种检验二元时间序列成功概率是否具有未指定周期性的方法，通过辅助整数构建新序列并基于 Fisher 的 $g$ 检验推导统计量，证明了检验在原假设下渐近保持水平，且对大多数备择假设具有功效。
2024-10-14 math.ST stat.TH
Specification testing in nonlinear and nonstationary time series autoregression
本文考虑了一类具有非平稳性的非参数自回归模型。我们提出了一个非参数核检验的条件均值，然后建立一个渐近分布的建议测试。这两个设置和结果不同于早期的非参数自回归与平稳性的工作。此外，我们开发了一个新的自举模拟方案，用于选择一个合适的带宽参数，在内核测试以及选择一个模拟的临界值。使用一个模拟的例子和一个真实数据的例子，所提出的测试的有限样本性能进行评估。
2009-11-19 math.ST stat.TH
Testing Separability of Functional Time Series
我们推导和研究的显着性检验，以确定是否一个面板的功能时间序列是可分离的。在本文的上下文中，可分性意味着协方差结构因子为两个函数的乘积，一个仅取决于时间，另一个仅取决于面板的坐标。可分性是一种可以通过显著降低模型复杂度来显著提高计算效率的性质。它对函数数据特别有用，因为它意味着面板中每个成员的函数主成分都是相同的。然而，在进行进一步的推理之前，这种假设必须得到验证。我们的方法是基于功能规范的差异，并提供了一个测试，以及控制的大小和高功率。我们建立我们的程序相当一般，允许一个测试的自协方差的可分性。除了一个渐近的理由，我们的方法是通过模拟研究验证。它适用于功能面板的颗粒物污染和股票市场数据。
2018-01-16 math.ST stat.TH
Impact of Data Normalization on Deep Neural Network for Time Series Forecasting
在过去的几年里，已经观察到深度神经网络（DNN）在图像分类、语音识别方面取得了巨大的成功。但是DNN在时间序列预测方面面临着巨大的挑战，因为大多数时间序列数据本质上是非线性的，并且行为是高度动态的。时间序列预测对我们的社会经济环境有很大的影响。因此，为了应对这些挑战，需要重新定义DNN模型，并记住这一点，在将数据馈送到DNN模型之前，需要考虑数据预处理，网络架构和网络参数。数据规范化是学习所采用的基本数据预处理技术。时间序列预测的有效性在很大程度上取决于数据归一化技术。在本文中，在将数据输入DNN模型之前，对时间序列数据使用不同的归一化方法，我们试图找出每种归一化技术对DNN预测时间序列的影响。本文采用深度递归神经网络（DRNN），利用孟买证券交易所（BSE）和纽约证券交易所（NYSE）的时间序列数据，对BSE和NYSE的收盘指数进行了预测。
2019-01-07 cs.LG stat.ML
Extending Bayesian structural time-series estimates of causal impact to many-household conservation initiatives
政府机构为公民的保护行动提供经济激励，例如安装高效电器的回扣和房屋改造的补偿。这些节约行动的目的往往是减少公用事业的消耗。衡量激励措施的保护影响对于指导政策很重要，但这样做在技术上很困难。然而，近年来，随着营销人员设法证实其服务的价值，在向消费者营销方面，估计公共外联工作影响的方法有了很大的发展。一种这样的方法使用贝叶斯结构时间序列（BSTS）来将暴露于广告活动的市场与通过匹配过程识别的控制市场进行比较。本文介绍了一个扩展的匹配/BSTS方法的影响估计，使其适用于一般的保护计划的影响估计时，多户数据。这是通过家庭匹配/BSTS步骤来实现的，以获得保护估计，然后使用元回归步骤来汇总结果。一个案例研究家庭草坪清除回扣对多个加州水域的用水量的影响进行说明这种方法的工作流程。
2017-08-08 stat.ME
Testing for parameter constancy in general causal time series models
我们考虑一个过程$ X= (X_t)_{t\in \Z}$属于一个大类的因果模型，包括AR（$\infty$），AR（$\infty$），TALK（$\infty$），.模型我们假设该模型依赖于一个参数$θ_0 \in \R^d$，并考虑在参数的变化测试的问题。两个统计量$\hat{Q}^{(1)}_n$和$ \hat{Q}^{(2)}_n$构造使用准似然估计（QLME）的参数。在无变化的原假设下，证明了这两个统计量均弱收敛于独立布朗桥平方和的上确界.在有一个变化的局部替代下，我们证明了检验统计量$\hat{Q}_n=\text{max} \big(\hat{Q}^{(1)}_n, \hat{Q}^{(2)}_n \big) $发散到无穷大。对AR（1）、GARCH（1）和GARCH（1，1）模型的仿真结果表明了该方法的有效性和性能，并与其它方法进行了比较。
2011-07-02 math.ST stat.TH
Testing the martingale difference hypothesis in high dimension
本文提出一种基于矩阵值非线性依赖度量平方和的高维鞅差假设检验方法，利用高斯近似和模拟临界值，非参数且稳健，为首个能处理大维度与非线性依赖的有效检验。
2022-10-01 econ.EM stat.ME
Tests for Independence of High-Dimensional Nonstationary Time Series
School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院）
提出一种双模态加权平均检验统计量，无需预白化即可检验高维非平稳时间序列的独立性，并开发了依赖野刀切法进行推断。
2026-06-07 math.ST stat.ME stat.TH
Bootstrapping High Dimensional Time Series
本文在近似线性统计的一般框架下研究了高维弱相依时间序列的Bootstrap推断。这些高维应用包括：（1）均值向量的均匀置信带;（2）时间序列二阶特性的规范检验，如白噪声检验协方差阵的带性检验;（3）时间序列谱特性的规范检验。在理论上，我们首先推导出一个高斯近似结果的最大值的弱相关向量的总和，其中的向量的维数允许是指数大于样本量。特别是，我们说明了一个有趣的依赖和维数之间的相互作用，并讨论了一种类型的“无维”的依赖结构。我们进一步提出了一个块乘子（野生）引导，工程时间序列未知的自协方差结构。这些分布近似误差是有限样本有效的，在样本量中呈多项式递减。一个非重叠的块引导也被研究作为一个更灵活的替代方案。上述结果是在Wu（2005）提出的一般物理/函数相关框架下建立的。我们的工作可以被看作是一个实质性的扩展Escherzhukov等人。（2013）时间序列的基础上，斯坦的方法的一个变种，其中开发。
2014-08-11 math.ST stat.TH
Testing temporal constancy of the spectral structure of a time series
具有时变谱特征的随机过程的统计推断在近几十年来受到了广泛的关注。我们开发了一个非参数测试平稳性对一个平稳的时变谱结构的替代品。该测试是基于一个移动窗口的数据和一个全球的频谱密度估计的基础上，整个延伸的观察，局部计算的样本谱密度之间的比较。在平稳性的原假设下，得到了非参数估计量和检验统计量的渐近性质。讨论了时变谱结构下的幂函数性质，并研究了局部平稳过程类的固定方案的检验行为。
2010-01-13 math.ST stat.TH
Unified theory of testing relevant hypotheses in functional time series
Tsinghua University（清华大学）；Shanghai University of Finance and Economics（上海财经大学）
提出一个统一框架，通过B样条估计和自归一化构造无 nuisance 参数的检验，在任意采样方案下检测单样本、两样本和变点问题，并证明在稀疏到密集相变下仍保持 n^{-1/2} 的检测率。
2026-05-29 math.ST stat.ME stat.TH
Permutation Testing for Dependence in Time Series
给定平稳时间序列的观测值，置换检验允许在独立同分布的原假设下构造精确水平的$α$检验。(or更一般地，可交换的）分布。另一方面，当感兴趣的原假设是基础过程是不相关序列时，置换检验不一定是$α$水平，在大样本中也不近似于$α$水平。此外，置换检验可能具有大的类型3或方向性误差，其中双侧检验拒绝原假设并得出一阶自相关大于0的结论，而实际上它小于0。本文在对序列的混合系数和矩较弱的假设下，给出了一个检验方法，当观测值独立同分布时，在有限样本下，该检验方法在保持精确拒绝概率$α$的同时，保持了置换检验的渐近有效性.蒙特卡洛模拟研究，比较置换检验的自相关性的其他测试，也进行了，随着应用到金融数据的实证例子。
2020-09-08 math.ST stat.TH
Inference and testing for structural change in time series of counts model
我们在这里一起考虑泊松自回归中的推理问题和变点问题（参见Tjøstheim，2012）。该过程的条件均值（或强度）是其过去值和过去观测值的非线性函数。在Lipschitz型条件下，证明了条件均值可以写成滞后观测值的函数。在后一种模型中，假设链路函数取决于未知参数$θ_0$。证明了参数极大似然估计的相合性和渐近正态性。这些结果被用来研究参数$θ_0$的变点问题。我们提出了两个测试的基础上的意见的可能性。在原假设（即无变化）下，证明了这两个检验统计量都收敛于一个显式分布。两个测试下的替代品的一致性证明。仿真结果表明了这些方法的实用性，并对实际数据进行了应用。
2013-05-08 math.ST stat.TH
Multiscale Jump Testing and Estimation Under Complex Temporal Dynamics
针对复杂时间动态下趋势中跳跃的检测与估计问题，提出一种多尺度最优跳跃通过滤波器方法，能处理跳跃点数量发散且幅度趋零的情形，计算复杂度为$O(n\log^{1+\epsilon} n)$，数值实验验证了其稳健性和准确性。
2023-12-23 math.ST stat.ME stat.TH
