来源：期刊VIP网 时间：
作者：郭建平;
单位：南京信息工程大学管理工程学院;
摘要：数据变点检测对于分析序列变化规律、研判未来演进态势具有重要价值。文章联合高斯模糊、完全聚合经验模态分解、小波变换等数据处理方法，协同利用不同方法的优势，构建多模态组合检测法，研究数据序列的变点检测问题。以2022年1月4日至2022年12月30日我国上证综合指数243个交易日的数据为样本，进行实证研究，结果显示：对于经过高斯模糊和模态分解后的主因子序列，由于信噪比的提升，数据中的真实变化模式更加清晰地显现，使得后续小波变换能够更为准确地提取数据生成过程中的关键特征，提升了变点检测准确率；不同分辨率级别的高频细节系数对序列变化的敏感度存在显著差异，较高级别分辨率的细节系数能够显示序列更加细微的变化，识别出序列变点，而较低分辨率级别的细节系数则无法反映序列的细微变化，不具备变点识别能力；股市收益率序列的波动主要来源于市场随机扰动，长期趋势成分对序列波动的影响几乎可以忽略不计，说明股价在某种程度上不具有可预测性。
关键词：正态卷积核;;高斯模糊;;完全聚合经验模态分解;;小波变换;;变点检测
基金资助：国家社会科学基金一般项目（22BTJ061）
