中大機構典藏-NCU Institutional Repository-提供博碩士論文、考古題、期刊論文、研究計畫等下載:Item 987654321/92758
English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 80990/80990 (100%)
造訪人次 : 41659229      線上人數 : 1821
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋


    請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/92758


    題名: Online Change Point detection under a Copula-Based Markov Chain Model for Bimodal Time Series
    作者: 劉彥劭;Liou, Yan-Shao
    貢獻者: 統計研究所
    關鍵詞: 在線改變點檢測;Clayton copula;馬可夫模型;貝氏推論;ICO boom;online change point detection;Clayton copula;Markov model;Bayesian inference;ICO boom
    日期: 2023-07-08
    上傳時間: 2024-09-19 16:17:14 (UTC+8)
    出版者: 國立中央大學
    摘要: 本論文提出了貝氏在線變點檢測方法基於Clayton copula 且邊際分布為混合
    常態分布的copula-Markov 模型。在模擬研究中,我們研究了相關時間序列數據
    的結構變化,包括單峰數據和雙峰數據之間的轉換以及雙峰數據內部的結構變
    化,並將其與邊際分布為常態分布的copula-Markov 模型進行比較,模擬的結果
    指出在相關性資料由單峰改變成雙峰時,我們所使用的模型在準確率、平均絕對
    誤差、真陽個數、偽陽個數皆勝過對比模型。我們應用這種方法來檢測加密貨幣
    市場從2017 年到2018 年初的變點,其中包括ICO 繁榮的開始和結束,我們選用
    BTC、ETH、NEO 的每日報酬率進行偵測。結果顯示了我們的方法在檢測相關時
    間序列數據的變化方面的有效性,並提供了關於虛擬貨幣市場在這ICO 繁榮-蕭條
    期間行為的見解。
    關鍵字:在線改變點檢測,Clayton copula,馬可夫模型,貝氏推論,ICO boom;In this paper, we propose an online Bayesian changepoint detection approach for dependent
    time series data under the copula-based Markov model with the marginal distributions
    being mixture normal distributions. Simulation studies examine structural changes in
    sequential time series data with dependency, including transformation between unimodal
    and bimodal data and structural changes within bimodal data. For comparison, we consider
    the Clayton copula-based Markov model with normal marginal distributions as the
    benchmark model. The results show that the proposed model outperforms the benchmark
    model in detecting change when the correlation structure of the changes from unimodal
    data to bimodal data. In the empirical analysis, we use the daily returns of BTC, ETH, and
    NEO to identify change points in the cryptocurrency market from 2017 to early 2018. The
    results demonstrate the effectiveness of our approach in detecting changes and providing
    insight into cryptocurrency market behavior during ICO booms and busts.
    Keywords: online change point detection, Clayton copula, Markov model, Bayesian
    inference, ICO boom
    顯示於類別:[統計研究所] 博碩士論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    index.html0KbHTML21檢視/開啟


    在NCUIR中所有的資料項目都受到原著作權保護.

    社群 sharing

    ::: Copyright National Central University. | 國立中央大學圖書館版權所有 | 收藏本站 | 設為首頁 | 最佳瀏覽畫面: 1024*768 | 建站日期:8-24-2009 :::
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 隱私權政策聲明