复杂性检验方法的研究及在能源市场的应用

发布时间：2017-10-14 18:09

  本文关键词：复杂性检验方法的研究及在能源市场的应用

  更多相关文章： 复杂性检验 时间序列 分形 混沌 熵 能源市场有效性

【摘要】：时间序列作为一种特殊的数据形式,对其分析与预测都是大数据时代重要的研究方向,而对时间序列的研究首先要把握其数据特征。复杂性作为时间序列数据特征中最重要的特征之一,涉及非线性领域中的许多特征。近年来,随着环境和气候的不断恶化,如何有效地分析能源市场并提出相应的管理方案成为研究热点。本文研究了复杂性检验的方法,并将提出的新方法应用在能源领域。首先,本文基于已有的复杂性检验方法,提出了复杂性检验的框架,其中包括：序列的自相似性(长期持续性)、相空间中吸引子的性质以及动力系统的混乱程度。基于此框架,从以上三方面分别选取了多重分形消除趋势波动分析法、关联维数和样本熵,最后应用熵权法计算权重得到新的复杂性指标。同时,本文应用该新指标分析了三个典型的能源市场：天然气、石油和碳市场。结果表明天然气和石油市场比碳市场有效,相比于天然气市场,石油市场的有效性相对较低,原因可能是石油市场更多地受到外界因素的影响。其次,考虑到复杂性受不同因素的影响,本文提出了基于多时间尺度的复杂性分析。采用自适应的集成经验模态分解将时间序列分解成各个模态,然后采用改进的模糊熵测量各个模态的复杂性。实证分析研究了中美两国清洁能源市场,总体表明美国的清洁能源市场比中国更有效。最后,将复杂性检验扩展到二维变量(即两个时间序列)之间的互相关分析。本文采用最新提出的非对称多重分形消除趋势互相关分析法研究了石油与黄金和美元指数之间的互相关性,同时考虑了互相关在不同时间尺度下的变化。结果表明石油与黄金和美元指数之间的互相关都是多重分形非对称的,其中石油与美元指数之间的正持续性更强。
【关键词】：复杂性检验 时间序列 分形 混沌 熵 能源市场有效性
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O211.61;F416.2
【目录】：

• 摘要5-7
• ABSTRACT7-14
• 第一章 绪论14-22
• 1.1 研究背景及意义14-15
• 1.2 研究现状综述15-19
• 1.3 全文内容及架构19-21
• 1.4 本文创新点21-22
• 第二章 能源市场有效性检验的新指标22-34
• 2.1 综合复杂性指标22-28
• 2.1.1 分形分析法23-24
• 2.1.2 关联维数24-25
• 2.1.3 样本熵25-26
• 2.1.4 熵权法26-28
• 2.2 实证分析28-32
• 2.2.1 数据描述28-29
• 2.2.2 有效性分析29-32
• 2.3 本章小结32-34
• 第三章 基于多时间尺度的能源市场有效性分析34-48
• 3.1 多尺度复杂性检验34-38
• 3.1.1 集成经验模态分解35-37
• 3.1.2 模糊熵37-38
• 3.2 实证分析38-46
• 3.2.1 数据描述38-39
• 3.2.2 多尺度分析39-43
• 3.2.3 复杂性分析43-46
• 3.3 本章小结46-48
• 第四章 石油与其影响因素的互相关分析48-58
• 4.1 非对称多重分形消除趋势互相关分析48-50
• 4.2 实证分析50-56
• 4.2.1 数据描述50-51
• 4.2.2 互相关检验51-52
• 4.2.3 互相关分析52-53
• 4.2.4 不同时间尺度下的互相关53-56
• 4.3 本章小结56-58
• 第五章 结论与展望58-60
• 5.1 全文结论58-59
• 5.2 未来研究展望59-60
• 参考文献60-64
• 致谢64-66
• 硕士期间发表的论文和科研成果66-67
• 硕士期间参与科研项目和参加会议情况67-68
• 作者和导师简介68-70
• 附件70-71

【相似文献】

中国期刊全文数据库 前10条

1 施久玉,杜金观;有限个状态时间序列的某些结果[J];应用数学学报;1990年01期

2 冯希杰;长江三峡及其邻区断裂活动时间序列[J];华南地震;1991年02期

3 王霞,郭嗣琮,刘淑娟;时间序列模糊滑动预测[J];辽宁工程技术大学学报(自然科学版);1999年03期

4 温品人;时间序列预测法的实际应用分析[J];江苏广播电视大学学报;2001年06期

5 许清海;混沌投资时间序列的嬗变[J];漳州师范学院学报(自然科学版);2003年01期

6 程毛林;时间序列系统建模预测的一种新方法[J];数学的实践与认识;2004年08期

7 高洁;长记忆时间序列适应性预测的应用[J];江南大学学报;2004年05期

8 高洁;孙立新;;长记忆时间序列的适应性预测误差的谱密度[J];统计与决策;2006年13期

9 杨钟瑾;;浅谈时间序列的分析预测[J];中国科技信息;2006年14期

10 李健;孙广中;许胤龙;;基于时间序列的预测模型应用与异常检测[J];计算机辅助工程;2006年02期

中国重要会议论文全文数据库 前10条

1 周家斌;张海福;杨桂英;;多维多步时间序列预报方法及其应用[A];中国现场统计研究会第九届学术年会论文集[C];1999年

2 马培蓓;纪军;;基于时间序列的航空备件消耗预测[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年

3 卢世坤;李夕海;牛超;陈蛟;;时间序列的非线性非平稳特性研究综述[A];国家安全地球物理丛书（八）——遥感地球物理与国家安全[C];2012年

4 李强;;基于线性模型方法对时间序列中异常值的检测及证券实证分析[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策（上册）[C];2002年

5 戴丽金;何振峰;;基于云模型的时间序列相似性度量方法[A];第八届中国不确定系统年会论文集[C];2010年

6 谢美萍;赵希人;庄秀龙;;多维非线性时间序列的投影寻踪学习逼近[A];'99系统仿真技术及其应用学术交流会论文集[C];1999年

7 张大斌;李红燕;刘肖;张文生;;非线性时问序列的小波-模糊神经网络集成预测方法[A];第十五届中国管理科学学术年会论文集（下）[C];2013年

8 黄云贵;;基于时间序列的电网固定资产投资规模研究[A];2012年云南电力技术论坛论文集（文摘部分）[C];2012年

9 李松臣;张世英;;时间序列高阶矩持续和协同持续性研究[A];21世纪数量经济学（第8卷）[C];2007年

10 陈赫;罗声求;;历史横断面数据的时间序列化[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

中国重要报纸全文数据库 前6条

1 ;《时间序列与金融数据分析》[N];中国信息报;2004年

2 何德旭 王朝阳;时间序列计量经济学：协整与有条件的异方差自回归[N];中国社会科学院院报;2003年

3 刘俏;让数据坦白真相[N];21世纪经济报道;2003年

4 西南证券高级研究员 董先安邋德圣基金研究中心 郭奔宇;预计6月CPI同比上涨7.2%[N];证券时报;2008年

5 东证期货 王爱华　杨卫东;两年涨跌轮回 秋季普遍下跌[N];期货日报;2009年

6 任勇邋郑重;中国对世界钢材价格的影响实证分析[N];现代物流报;2007年

中国博士学位论文全文数据库 前10条

1 张墨谦;遥感时间序列数据的特征挖掘：在生态学中的应用[D];复旦大学;2014年

2 张德成;滑坡预测预报研究[D];昆明理工大学;2015年

3 苗圣法;时间序列的模式检测[D];兰州大学;2015年

4 翁同峰;时间序列与复杂网络之间等价性问题及表征应用研究[D];哈尔滨工业大学;2015年

5 杨婷婷;用Argo浮标结合卫星观测估算北太平洋经向热输运[D];中国科学院研究生院(海洋研究所);2015年

6 史文彬;时间序列的相关性及信息熵分析[D];北京交通大学;2016年

7 原继东;时间序列分类算法研究[D];北京交通大学;2016年

8 卢伟;基于粒计算的时间序列分析与建模方法研究[D];大连理工大学;2015年

9 王晓晔;时间序列数据挖掘中相似性和趋势预测的研究[D];天津大学;2003年

10 李桂玲;时间序列的分割及不一致发现研究[D];华中科技大学;2012年

中国硕士学位论文全文数据库 前10条

1 陈健;基于多变量相空间重构的投资组合策略研究[D];华南理工大学;2015年

2 兰鑫;时间序列的复杂网络转换策略研究[D];西南大学;2015年

3 米晓将;区域尺度下月均气温的时空演化格局研究[D];昆明理工大学;2015年

4 张鸣敏;基于支持向量回归的PM_(2.5)浓度预测研究[D];南京信息工程大学;2015年

5 林健;基于改进小世界回声状态网的时间序列预测[D];渤海大学;2015年

6 曹智丽;日气温和干旱指数支持向量回归预测方法[D];南京信息工程大学;2015年

7 高雄飞;基于分形理论的土壤含水量时间序列特性分析[D];长安大学;2015年

8 姚茜;城市安全生产发展目标研究[D];中国地质大学(北京);2015年

9 谢翠颖;苏州社会消费品零售总额简析[D];苏州大学;2015年

10 包仁义;基于时间序列的搜索引擎评估模型算法研究[D];东北师范大学;2015年

，

本文编号：1032420