来源：期刊VIP网 时间：
作者：朱映秋;郑畅;张波;
单位：对外经济贸易大学统计学院;中国人民大学统计学院;中国人民大学应用统计科学研究中心;
摘要：快速识别金融时间序列数据流中的变点有助于判断时序数据的趋势变化、动态更新时序分析模型，从而为金融市场中的投资决策、风险管理提供及时可靠的决策支持。然而金融时间序列常表现出复杂或剧烈的波动，如何对金融时序数据进行稳健的在线变点检测仍是一个巨大的挑战。对此，本文基于贝叶斯在线变点检测的框架，提出一种带有滑动窗口的自适应在线变点检测方法。通过滑动窗口的平滑机制，该方法在每个窗口中对变点检测所需的超参数进行实时动态更新，以适应数据环境的动态变化。在模拟数据和上证综指时序数据的实验结果表明，本文提出的方法能够在已有的贝叶斯在线变点检测方法基础上进一步提高识别效果，及时发现变点并避免将正常的序列波动误报为变点。基于上证综指数据，本文方法能够发现带有特殊信号的时间序列，进而为金融市场的风险预警、投资指导等提供有价值的参考。
关键词：在线变点检测;;金融时间序列;;贝叶斯变点检测;;自适应变点检测
基金资助：国家自然科学基金面上项目“面向中小微企业金融信息服务的网络结构数据建模及应用”（72271232）;国家自然科学基金青年项目“基于支付数据的中小微企业行为模式聚类分析”（72301070）;; 教育部人文社会科学重点研究基地重大项目“数字时代的统计学理论与方法研究”（22JJD110001）;; 对外经济贸易大学中央高校基本科研业务费专项资金资助项目（CXTD14-05）;; 中国人民大学校级计算平台支持
