基于调整值域自正则化的结构变化在线监测
Online Monitoring of Structural Change with Adjusted-Range Self-Normalization
发布时间：
状态： 工作论文。
作者
Meiting Zhu, Yongmiao Hong, Jiajing Sun, and Oliver Linton.
本工作论文将经济统计中的两个核心主题联系起来：自正则化与结构变化的在线监测。其目标是实时检测新到达的时间序列观测何时不再符合训练样本所处的状态。
本文提出一种调整值域自正则化监测方案（RSMS），用于结构变化的在线检测。与基于异方差与自相关一致（HAC）长期方差估计的 CUSUM（累积和）方法不同，RSMS 无需选择核、带宽或块长。
概述与贡献
核心方法思想是，用中心化训练部分和的值域取代标准在线自正则化监测中所使用的二次型训练窗口自正则化因子。当训练样本干净时，这一区别主要只改变极限常数；然而当训练观测受到污染时，漂移可能使二次型正则化因子膨胀并压缩监测统计量，而调整值域正则化因子正是为了在此情形下更具韧性而设计的。
本文推导了有限期与开放期的原假设极限、固定备择假设下的一致性、局部功效极限、断点后延迟的含义以及训练样本受污染时的结果，并研究了在训练样本轻度污染下干净训练临界值何时仍然有效。
实证与模拟证据
模拟表明，在许多设计中 RSMS 的断点后检测概率高于标准自正则化监测，同时其经检验水平调整后的表现与 HAC-CUSUM 监测相当。
对 2016 年英国脱欧公投与 2020 年新冠疫情动荡前后高频美元／英镑汇率数据的实证应用给出了具有经济可解释性的警报，并展示了调整值域自正则化如何改进金融时间序列的在线监测。
关键词
条件平均检测延迟；累积和监测；经验过程；高频数据；长期方差。
R 代码与获取方式
修订稿的复现代码见 Zenodo。该存储库包含用于临界值计算、有限期与开放式监测边界、模拟研究、稳健性检验以及实证应用脚本的 R 程序包。出于版权考虑，本网站不提供论文全文。