时间序列ARMA模型中各类异常值同时探测的Bayesian方法

• 作者: 张国超 归庆明
• 来源期刊: 信息工程大学学报
• 学科: 数学
• 关键词: ARMA模型 AO类异常值 IO类异常值 识别变量 Bayesian统计 Gibbs抽样
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 数学与基础理论
• 页码范围: 70-73,128
• 页数: 5页
• 分类号: O212.8
• 字数: 3628字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2018.01.015

摘要

应用Bayesian统计思想,提出一种针对平稳、可逆ARMA模型AO类和IO类异常值同时探测的方法.首先综合考虑时间序列数据中AO类异常值和IO类异常值同时出现的复杂情况,在模型参数未知的情况下,建立基于识别变量标记的异常值探测模型,将异常值探测问题归纳为多重假设检验问题;其次使用Openbugs软件执行Gibbs抽样程序获得样本对多重假设检验问题进行Bayesian统计推断,确定异常值的位置、类型以及异常扰动的具体大小;最后通过模拟实验与已有的异常值探测方法进行比较.提出的方法对时间序列ARMA模型中同时出现的AO类和IO类异常值具有良好的探测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	归庆明		60	492	12.0	19.0
2	张国超		2	1	1.0	1.0