摘要 我們引入了一種對一類狀態切換過程進行分段的演算法

本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。

原文連結

• SFI 頁面

論文資訊

• 類型：已發表論文
• 日期：2022-09-02

摘要

我們引入了一種對一類狀態切換過程進行分段的演算法。分段演算法是一種非參數統計方法，能夠辨識時間序列的狀態（補丁）。該過程由連續的可變長度補丁組成。在每個補丁中，該過程由平穩複合泊松過程描述，即泊松過程，其中每個計數與波動訊號相關聯。每個補丁中的過程參數不同，因此時間序列是非平穩的。我們的方法是 Bernaola-Galvan 等人提出的演算法的推廣。 [物理。萊特牧師。 87, 168105 (2001)]。我們表明，對於複合泊松過程的狀態切換模型，新演算法優於原始演算法。作為一種應用，我們使用該演算法對倫敦證券交易所市場成員的庫存時間序列進行分段，我們觀察到我們的方法發現的補丁數量幾乎是原始方法的三倍。