基於 Copula 下的馬可夫鏈模型對於混合常態序 列數據之改變點偵測;Change point Estimation Based on the Copula-based Markov Chain Model for Mixture Normal Time Series

NCU Institutional Repository > 理學院 > 統計研究所 > 博碩士論文 > Item 987654321/92795

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/92795

题名:	基於 Copula 下的馬可夫鏈模型對於混合常態序列數據之改變點偵測;Change point Estimation Based on the Copula-based Markov Chain Model for Mixture Normal Time Series
作者:	簡暐勳;Jian, Wei-Xun
贡献者:	統計研究所
关键词:	改變點;馬可夫鏈模型;牛頓法;混和常態分配;change point;Markov model;Newton-Raphon method;mixture normal distribution
日期:	2023-07-21
上传时间:	2024-09-19 16:19:20 (UTC+8)
出版者:	國立中央大學
摘要:	根據觀察到的序列數據，如果存在一個點將數據從一個特定分佈轉變為另一個分佈，則該點稱為改變點。改變點檢測可以幫助我們事前警惕和事後分析。有幾種方法可以檢測改變點。在傳統方法中，最大概似估計法可以幫助我們估計獨立觀測序列的改變點。然而，在實際數據中，觀測值通常不是獨立的，這可能導致使用傳統的最大概似估計法獲得準確的改變點估計存在困難。因此，我們研究了 Clayton copula 下的馬爾可夫鏈，其中邊際分佈是混合正態分佈，以獲得非獨立觀測值下的改變點估計值。此外，模型構建了一個新的最大概似函數，並通過牛頓-拉弗森方法求解參數。通過實證研究來展示所提出方法的性能。;Based on the observed sequential data, if there is structural change at some particular time, this critical point of structural change is the change point. The change point detection helps in both proactive warning and retrospective analysis. In real applications, observations are often not independent. Therefore, we propose the Clayton copula based the Markov chain which the marginal distribution is the mixture normal distribution to estimate the change point for the time dependent observations. Consequently, the corresponding maximum likelihood function is obtained and the maximum likelihood estimates are solved through the Newton-Raphon method. The performance for the proposed method is illustrated using simulation studies. Finally, we discuss the structural change in the real application based on two periods: 2008 financial crisis and 2020 COVID-19.
显示于类别:	[統計研究所] 博碩士論文

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	1	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....