论文部分内容阅读
格兰杰因果关系是推导网络结构最强有力的工具,特别是对于时间序列数据而言,它有非常精确的时间空间和频率空间的表示形式,所以它的应用越来越广泛。但是实际问题中的很多数据表现出明显的周期特点,且实际测量到的数据通常会受到历史记录的影响,对于这种类型的数据,可以用混合自回归潜周期模型来进行处理。将传统格兰杰因果关系模型应用到包含调和振子的混合自回归潜周期模型,对模型中的参数进行了估计,在此基础上,利用格兰杰因果关系的思想推导出网络的结构。