时间序列若干性质探究

发布时间：2017-12-14 14:19

  本文关键词：时间序列若干性质探究

  更多相关文章： 多尺度去趋势波动分析 多标度交叉相关性分析 股指序列 交通指数序列 尺度指数 置换熵 多尺度 权重

【摘要】：摘要：本文中提出多尺度去趋势波动分析方法,它用尺度指数谱a(s)来代替之前模型的a1和a2的两系数来描述交通分形系统,展现了更多地尺度性质的细节,提供了可靠的分析。我们同样度量天气,交通高峰和交通控制对指数谱a(s)的影响。结果清晰地表明了在大的尺度上,指数表现出了很大的波动性,它们拥有自己的指数类型。此外,对于交通控制的影响,交通控制的指数在小尺度上连续明显的大于那些没有交通控制的指数。多尺度DFA方法提供了新的方法去测量交通拥堵时间序列在不同的条件下区分它们。这些结果在2013年9月29日出版在SCI期刊波动噪音快报上。 同样这两个方法也被用来分析美国股市和中国股市从2002年2月1日到2009年12月31日的股指时间序列的长程相关性和交叉相关性。我们在相同的范围内分析了六只股票的长程相关和交叉相关确定它们的类似性,把它们分成了三组。为了简单起见,我们选择了道琼斯、深成、上证综合指数作为代表的例子。结果表明美国股指、恒生指数、上证指数的多尺度DFA的谱具有各自的行为。我们还发现美国股指的多尺度DFA谱的值比中国股指的值要小,说明美国股指具有更加复杂的行为。 本文也提出了基于多尺度置换熵(MPE)提出了权重多尺度置换熵(WMPE)方法。WMPE不同于多尺度置换熵(MPE),WMPE能更好的适应具有大量振幅信息的信号,成功了解释经济系统中固有的多重时间尺度。美国和中国股票市场的WMPE指出在多重标度使用置换熵的必要性,披露了信号中振幅编码信息和当m=5,6,7时被噪音降解的免疫力。我们通过探究新的性质的比较中得到了一些新的结论。WMPE能够从这些市场中区分上证和深成,暗示出恒生和美国的市场比较相似。WMPE下移了不同股票熵值的波动范围,反映出了包含不同振幅编码股票市场的更多地精确的复杂度。比较上证,深成的WMPE和美国股市及恒生市场的WMPE,美国股市及恒生具有股票市场信号携带更多的振幅信息。我们得到m=7是来研究WMPE的最好的嵌入维数的结论,是因为当减小这些市场的标准误差时,WMPE在一定范围内趋向于稳定,反映了在多尺度上研究的必要性,加上不同权重的优势,它能区分这些股票市场。
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O211.61

【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 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

8 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

9 周勇;时间序列时序关联规则挖掘研究[D];西南财经大学;2008年

10 张勇;时间序列模式匹配技术研究[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：1288210