×
安东尼斯·米奇斯（Antonis A.Michis）。;盖伊·P·纳森。

案例研究：通过多尺度方差稳定来估计和预测航运趋势。 （英语） Zbl 1516.62477号

J.应用。斯达。 44，第15号，2672-2684（2017）.
摘要：航运业是塞浦路斯和整个欧盟经济的重要支柱产业。该行业及其相关经济的评估、管理和未来指导由一系列组织进行，并与许多利益相关者直接相关。本文对航运信贷流数据进行了分析：这是一个重要的原型序列，其分析受到方差快速变化的阻碍。我们的分析使用了最近开发的数据驱动的Haar-Fisz变换，该变换能够在此类情况下进行准确的趋势估计和成功的预测。我们的趋势估计得到了bootstrap置信区间的增强，这在这种情况下是新的。数据驱动的Haar-Fisz变换的良好性能与流行且已确立的方差稳定替代方案（Box-Cox、对数和平方根变换）的较差性能形成对比。

MSC公司：

62至XX 统计

关键词：

数据驱动的Haar-Fisz变换;趋势估计;异方差的;航运信贷流

软件：

预测;引导库;DDHFm（千迪拉姆）;wmtsa公司;R（右）;波阈值4;哈菲斯;启动WPTOS;预测
PDF格式BibTeX公司 XML格式引用
\textit{A.A.Michis}和\textit{G.P.Nason}，J.Appl。Stat.44，No.15，2672--2684（2017；Zbl 1516.62477）
全文： 内政部
OA许可证

参考文献：

[1] A.P.Alencar、P.A.Morettin和C.M.C.Toloi，基于小波的状态空间马尔可夫切换模型非线性动力学研究。E.17（2013），第221-238页·Zbl 1506.62476号
[2] S.Barber、G.P.Nason和B.W.Silverman，小波阈值的后验概率区间《J.R.Stat.Soc.B 64》（2002年），第189-205页·Zbl 1059.62040号 ·doi:10.1111/1467-9868.00332
[3] G.E.P.Box和D.R.Cox，转换分析（讨论）《J.R.Stat.Soc.B》第26卷（1964年），第211-252页·Zbl 0156.40104号
[4] A.Branch和M.Robarts，分行的航运要素第9版，劳特利奇，阿宾顿，2014年。
[5] P.J.Brockwell和R.A.Davis，时间序列：理论与方法纽约州施普林格，1991年·Zbl 0709.62080号 ·数字对象标识代码：10.1007/978-1-4419-0320-4
[6] A.Cardinali和G.P.Nason，局部平稳时间序列的代价性、J.Time-Ser。经济。2（2010），第2期·Zbl 1266.91064号
[7] A.Cardinali和G.P.Nason，二阶平稳性的实用强小波包检验，申请。计算。哈蒙。分析。41（2016年），（待发布）。内政部：DOI:10.1016/j.acha.2016.06.006·Zbl 1387.62099号 ·doi:10.1016/j.acha.2016.06.006
[8] C.查特菲尔德，时间序列分析：导论第6版，查普曼和霍尔/CRC，伦敦，2003年·Zbl 1027.62068号
[9] E.A.K.Cohen和A.T.Walden，时间平滑小波相干的统计分析，IEEE传输。《信号处理》58（2010），第2964-2973页·Zbl 1391.42042号 ·doi:10.1109/TSP.2010.2043139
[10] E.A.K.Cohen和A.T.Walden，某些非平稳二元过程的小波相干，IEEE传输。《信号处理》59（2011），第2522-2531页·Zbl 1391.62160号 ·doi:10.1109/TSP.2011.2123893
[11] 塞浦路斯航运商会，2013年年度报告，塞浦路斯利马索尔，2014年。
[12] R.Dahlhaus，局部平稳过程，英寸统计手册、T.Subba Rao、S.Subba Lao和C.Rao编辑，第30卷，爱思唯尔出版社，2012年，第351-413页·Zbl 1242.62005年
[13] A.C.Davison和D.V.Hinkley，Bootstrap方法及其应用，剑桥大学出版社，剑桥，1997年·Zbl 0886.62001号 ·doi:10.1017/CBO9780511802843
[14] H.Dette、P.Preuss和M.Vetter，局部平稳过程平稳性的度量及其在测试中的应用，J.Amer。统计师。协会106（2011），第1113-1124页·Zbl 1229.62119号
[15] J.Dickie，里兹21世纪船舶管理伦敦布卢姆斯伯里，2014年。
[16] Y.Dwivedi和Subba Rao S。，基于离散傅里叶变换的时间序列二阶平稳性检验、J.Time-Ser。分析。32（2011年），第68-91页·Zbl 1290.62059号 ·文件编号：10.1111/j.1467-9892.2010.00685.x
[17] I.Eckley、G.Nason和R.L.Treloar，局部平稳小波域及其在图像纹理建模和分析中的应用，J.Roy。统计师。《社会分类》第59卷（2010年），第595-616页。
[18] M.Fisz，两个独立随机变量函数的极限分布及其统计应用，公共数学。3（1955年），第138-146页·Zbl 0064.38205号 ·doi:10.4064/cm-3-2-138-146
[19] P.Z.Fryzlewicz，时间序列和泊松数据的小波技术2003年，英国布里斯托尔大学博士论文。
[20] P.Fryzlewicz，作为局部平稳小波过程的财务对数回归建模和预测，J.应用。《美国联邦法律大全》第32卷（2005年），第503-528页。
[21] P.Fryzlewicz等人，非参数函数估计的数据驱动小波-Fisz方法，电子。《J Stat.2》（2008年），第863-896页·Zbl 1320.62090号 ·doi:10.1214/07-EJS139
[22] P.Fryzlewicz、V.Delouille和G.P.Nason，使用多尺度数据驱动的Haar-Fisz变换稳定GOES-8 X射线传感器的方差。，J.Roy。统计师。《社会分类》第56卷（2007年），第99-116页·Zbl 1490.62507号 ·文件编号：10.1111/j.1467-9876.2007.00567.x
[23] P.Fryzlewicz和G.P.Nason，泊松强度估计的Haar-Fiz算法，J.计算。图表。统计师。13（2004年），第621-638页。
[24] P.Fryzlewicz和G.P.Nason，进化小波谱的Haar-Fisz估计《J.R.Stat.Soc.B》68（2006），第611-634页·Zbl 1110.62121号 ·文件编号：10.1111/j.1467-9868.2006.00558.x
[25] P.Fryzlewicz和H.Ombao，基于随机小波表示的非平稳时间序列一致性分类，J.Amer。统计师。Assoc.104（2009），第299-312页·兹比尔1388.62253
[26] P.Fryzlewicz、S.Van Bellegem和R.von Sachs，基于小波过程建模的非平稳时间序列预测，Ann.Inst.统计师。数学。55（2003），第737-764页·Zbl 1047.62085号 ·doi:10.1007/BF02523391
[27] W.Gardner和G.Zivanovic，循环平稳度及其在信号检测和估计中的应用，信号处理。22（1991），第287-297页·doi:10.1016/0165-1684（91）90016-C
[28] A.J.Gibberd和J.D.B.Nelson，二维局部平稳小波过程的正则化估计，IEEE统计信号处理研讨会，2016年（即将出版）。内政部：DOI:10.10109/SPS.2016.7551838·doi:10.1109/SPSP.2016.7551838
[29] N.R.古德曼，可协调过程框架内平稳性的统计检验，技术报告AD619270，Rockedyne，Canoga Park，CA，1965年。
[30] V.格雷罗，功率变换支持的时间序列分析，J.预测。12（1993年），第37-48页·doi:10.1002/用于3980120104
[31] H.Hurd和N.Gerr，确定时间序列中存在周期相关性的图解方法，IEEE传输。通知。理论12（1991），第337-350页。
[32] R.Hyndman、A.Koehler、R.Snyder和S.Grose，指数平滑法自动预测的状态空间框架《国际期刊预测》。18（2002），第439-454页·doi:10.1016/S0169-2070（01）00110-8
[33] R.Hyndman、G.Athanasopoulos、S.Razbash、D.Schmidt、Z.Zhou、Y.Khan、C.Bergmeir和E.Wang，预测：时间序列和线性模型的预测功能，R包5.4版，2014年。
[34] L.Jin、S.Wang和H.Wang，时间序列时域非参数平稳性检验，J.R.Stat.Soc.B 77（2015），第893-922页·Zbl 1414.62369号 ·doi:10.1111/rssb.12091
[35] M.J.Keim和D.B.Percival，用小波评估特征尺度，J.Roy。统计师。《社会分类》第64卷（2015年），第377-393页·doi:10.1111/rssc.12079
[36] M.Knight和G.P.Nason，非特定提升变换，统计计算。19（2009），第1-16页·doi:10.1007/s11222-008-9062-2
[37] M.Knight、G.P.Nason和M.A.Nunes，长记忆估计的小波提升方法，统计计算。26（2016），（待发布），DOI:10.1007/s11222-016-9698-2·Zbl 1384.62289号 ·doi:10.1007/s11222-016-9698-2
[38] M.I.Knight、M.A.Nunes和G.P.Nason，具有缺失观测值的局部平稳时间序列的谱估计，统计计算。22（2012），第877-895页·Zbl 1252.60034号 ·doi:10.1007/s11222-011-9256-x
[39] A.Michis，更多的预测会提高模型预测的平均值吗？英国财政部发布的报告证据，OR Insight 26（2013），第234-241页·doi:10.1057/ori.2013.5
[40] A.Michis，一种改进条件销售预测的小波平滑方法，J.Oper。Res.Soc.66（2015），第832-844页·doi:10.1057/jors.2014.28
[41] A.A.Michis和G.P.Nason，用数据驱动的Haar-Fisz变换估计和预测航运趋势，塞浦路斯中央银行，工作文件2015-01，2015。
[42] E.Motakis、G.Nason和P.Fryzlewicz，DDHFm：基于数据驱动的Haar-Fisz方差稳定##img###img##1##img##\（（\）for Microarray##img-###img###img##（）\），R Package版本1.1.12013。
[43] E.S.Motakis、G.P.Nason、P.Fryzlewicz和G.A.Rutter，使用数据驱动的多尺度方法对单色微阵列数据进行方差稳定和归一化《生物信息学》22（2006），第2547-2553页·doi:10.1093/bioinformatics/btl412
[44] G.P.Nason，平稳和非平稳时间序列，英寸火山统计学，H.Mader和S.Coles编辑，伦敦地质学会，2006年，第129-142页。
[45] G.P.Nason，R统计量中的小波方法，施普林格，纽约，2008年·Zbl 1165.62033号 ·doi:10.1007/978-0-387-75961-6
[46] G.P.Nason，局部平稳时间序列局部自方差的二阶平稳性和近似置信区间的检验。《J.R.Stat.Soc.B 75》（2013年），第879-904页·Zbl 1411.62259号 ·doi:10.1111/rssb.12015
[47] G.P.Nason，基于最大似然的多尺度方差稳定《生物特征101》（2014），第499-504页·Zbl 1452.62289号 ·doi:10.1093/biomet/ast072
[48] G.P.Nason和B.W.Silverman，S中的离散小波变换，J.计算。图表。统计师。3（1994），第163-191页。
[49] G.P.Nason和R.von Sachs，时间序列分析中的小波，菲洛斯。事务处理。R.Soc.伦敦。A 357（1999），第2511-2526页·Zbl 1054.62583号 ·doi:10.1098/rsta.1999.0445
[50] G.P.Nason、R.von Sachs和G.Kroisandt，小波过程和进化小波谱的自适应估计《J.R.Stat.Soc.B》62（2000），第271-292页·doi:10.111/1467-9868.00231
[51] E.腮腺炎，测试时间序列谱结构的时间恒常性，Bernoulli 15（2009），第1190-1221页·Zbl 1200.62049号 ·doi:10.3150/08-BEJ179
[52] E.腮腺炎，用滚动局部周期图验证时间序列分析中的平稳性假设，J.Amer。统计师。Assoc.105（2010），第839-851页·Zbl 1392.62275号
[53] D.B.珀西瓦尔，Allan方差的小波分析，IEEE传输。过激的。费罗。《频率控制》第63页（2016年），第538-554页·doi:10.10109/TUFFC.2015.2495012
[54] D.B.Percival和A.T.Walden，时间序列分析的小波方法，剑桥大学出版社，剑桥，2000年·Zbl 0963.62079号 ·doi:10.1017/CBO9780511841040
[55] M.B.普里斯特利，谱分析和时间序列《学术出版社》，伦敦，1983年。
[56] M.B.Priestley和Subba Rao T。，时间序列非平稳性检验《J.R.Stat.Soc.B 31》（1969年），第140-149页·Zbl 0182.51403号
[57] R开发核心团队，R： 统计计算语言与环境《R统计计算基金会》，奥地利维也纳，2009年，ISBN 3-900051-07-0。
[58] M.Stopford，海洋经济学，劳特利奇，阿宾顿，2009年·doi:10.4324/9780203891742
[59] S.L.Taylor、I.A.Eckley和M.A.Nunes，多元局部平稳二维小波过程及其在彩色纹理分析中的应用，统计计算。26（2016），见DOI:10.1007/s11222-016-9675-9·Zbl 1384.62297号 ·doi:10.1007/s11222-016-9675-9
[60] K.Thon、M.Geilhufe和D.B.Percival，规则格子上随机场各向同性的多尺度小波检验，IEEE传输。图像处理。24（2015），第694-708页·Zbl 1408.94644号 ·doi:10.1109/TIP.2014.2387016
[61] K.Triantafyllopoulos和G.P.Nason，关于局部平稳小波时间序列状态空间表示的注记，统计。普罗巴伯。莱特。79（2008），第50-54页·Zbl 1152.62374号 ·doi:10.1016/j.spl.2008.07.015
[62] S.Van Bellegem和R.von Sachs，局部平稳小波过程的自适应估计及其应用，国际J.Wavelets，多分辨率。信息处理。2（2004年），第545-565页·Zbl 1071.62083号 ·doi:10.1142/S0219691304000603
[63] S.Van Bellegem和R.von Sachs，进化小波谱的局部自适应估计Ann.统计师。36（2008），第1879-1924页·Zbl 1142.62067号 ·doi:10.1214/07-AOS524
[64] R.von Sachs和B.MacGibbon，具有局部平稳误差的小波阈值非参数曲线估计，扫描。J.统计。27（2000），第475-499页·兹比尔0976.62034 ·doi:10.1111/1467-9469.00202
[65] R.von Sachs和M.H.Neumann，基于小波的平稳性测试、J.Time-Ser。分析。21（2000），第597-613页·Zbl 0972.62085号 ·doi:10.1111/1467-9892.00200
[66] 谢义勇、余建军和B.Ranneby，利用局部平稳小波过程进行预测，J.Stat.计算。模拟。79（2009），第1067-1082页·Zbl 1179.62135号
[67] B.Zhang、M.J.Fadili和J.-L.Starck，用于去除泊松噪声的小波、脊波和曲线，IEEE传输。图像处理。17（2008），第1093-1108页·doi:10.1109/TIP.2008.924386
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。