Kim,Seung-Jean先生;Koh,Kwangmoo公司;斯蒂芬·博伊德;迪米特里·戈里内夫斯基 \(\ell_1\)趋势过滤。 (英语) Zbl 1171.37033号 SIAM版本。 51,第2期,339-360(2009). 电力系统工程、金融时间序列、地球物理、医学等多学科对非线性和非平稳数据的分析需求,要求开发稳健的方法来估计时间序列中的潜在趋势。非平稳时间序列的平滑趋势估计问题是一个典型的不适定问题。A.N.Tikhonov、A.S.Leonov和A.G.亚戈拉[非线性不适定问题,伦敦:查普曼和霍尔(1998;Zbl 0920.65038号)]. 最近,完全经验方法,如Hilbert-Huang变换,N.E.黄等【Proc.R.Soc.Lond.,Ser.A,数学物理工程科学454,No.1971,903–995(1998;Zbl 0945.62093号)]似乎在工程界很受欢迎。本文对Hodrick-Prescott(H-P)线性滤波器进行了改进,R.J.霍德里克和E.C.普雷斯科特设计了过滤器[J.Money,Credit,Banking 29,1-16(1997)]。H-P滤波器最初由提出C.E.V.莱斯[J.R.Stat.Soc.,Ser.B 23,91–107(1961年;兹比尔0099.35702)]并以90年代向经济学家介绍该方法的人命名(E.C.普雷斯科特于2004年获得诺贝尔经济学奖)。提出的(ell_1)趋势滤波方法用绝对值之和(即,(ell_1\)范数)代替H-P滤波中使用的平方和,以惩罚估计趋势中的变化。趋势过滤方法产生的趋势估计是分段线性的,因此它非常适合分析具有潜在分段线性趋势的时间序列。估计趋势斜率中的扭结、纽结或变化可以解释为时间序列潜在动态中的突变或事件。使用专门的内点方法(例如参见I.I.迪金和V.I.佐尔卡尔乔夫[数学规划问题的迭代解法:内点法的算法,瑙卡,新西伯利亚,苏联(1980)]),趋势滤波可以用不比H-P滤波更多的努力来实现。特别是,所需的算术运算数量随着数据点的数量线性增长。给出了合成数据的示例。结果表明,该方法与稀疏信号恢复和特征选择中基于正则化的方法有关。审核人:丹尼斯·西多罗夫(伊尔库茨克) 引用于三评论引用于96文件 MSC公司: 37M10个 动力系统的时间序列分析 62页99 统计学的应用 62M10个 统计学中的时间序列、自相关、回归等(GARCH) 62M20型 随机过程推断和预测 关键词:时间序列分析;趋势估计;\(\ell_1\)正则化;霍德里克·普雷斯科特滤波;分段线性拟合;稀疏信号恢复;特征选择 引文:Zbl 0920.65038号;Zbl 0945.62093号;Zbl 0099.35702号 PDF格式BibTeX公司 XML格式引用 \textit{S.-J.Kim}等人,SIAM Rev.51,No.2,339--360(2009;Zbl 1171.37033) 全文: 内政部