论文部分内容阅读
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。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。