【摘要】：在現(xiàn)實世界中復(fù)雜系統(tǒng)隨處可見,分析來自這些復(fù)雜系統(tǒng)的時間序列是研究其內(nèi)在機(jī)理與運行機(jī)制的重要手段之一.本文主要對時間序列的復(fù)雜性與相關(guān)性展開研究,在前人的基礎(chǔ)上提出幾種新的統(tǒng)計模型,并將其應(yīng)用到金融時間序列與交通時間序列的分析中.首先,我們研究基于熵值的時間序列復(fù)雜性問題.我們提出改進(jìn)的廣義樣本熵與替代數(shù)據(jù)分析以及基于雙指數(shù)形式的廣義排列熵分析這兩種新的模型.改進(jìn)的廣義樣本熵與替代數(shù)據(jù)分析利用豪斯多夫距離替代原始方法中的距離定義,不僅能夠有效地克服原始方法在時間序列長度與模式向量長度之間的苛刻關(guān)系、數(shù)值退化等方面的局限性,并且在估計精確度、數(shù)據(jù)敏感性、數(shù)據(jù)抗噪性和數(shù)據(jù)量化分析等方面具有更強(qiáng)的優(yōu)勢.基于雙指數(shù)形式的廣義排列熵分析則將排列熵推廣到帶有兩種指數(shù)參數(shù)的形式,可以有效放大排列熵在序列連續(xù)時的一些細(xì)微變化和整體的變化趨勢,同時廣義排列熵與指數(shù)之間也存在著冪律關(guān)系.其次,我們研究基于去趨勢波動分析的時間序列相關(guān)性問題.我們提出基于經(jīng)驗?zāi)Ｊ椒纸馀c總體經(jīng)驗?zāi)Ｊ椒纸獾慕徊嫦嚓P(guān)性分析以及多重分形去趨勢波動分析與替代數(shù)據(jù)分析這兩種方法.在基于經(jīng)驗?zāi)Ｊ椒纸馀c總體經(jīng)驗?zāi)Ｊ椒纸獾慕徊嫦嚓P(guān)性分析中,我們運用經(jīng)驗?zāi)Ｊ椒纸�、總體經(jīng)驗?zāi)Ｊ椒纸狻CCA交叉相關(guān)系數(shù)等多種方法,從一個新的角度對不同股票市場間的長期交叉相關(guān)性展開研究.而多重分形去趨勢波動分析與替代數(shù)據(jù)分析則是受到廣義樣本熵與替代數(shù)據(jù)分析的啟發(fā),結(jié)合多重分形去趨勢波動分析,對北京的交通時間序列展開研究.交通時間序列與人造的二項多重分形序列具有很高的相似度,它們具有相似的多重分形與相關(guān)性方面的特點.最后,我們研究基于順序遞歸圖的時間序列的多標(biāo)度行為.我們提出基于順序遞歸圖的多標(biāo)度遞歸定量分析方法.相比于傳統(tǒng)的遞歸定量分析,多標(biāo)度遞歸定量分析結(jié)合多標(biāo)度技術(shù),可以挖掘與辨識不同的系統(tǒng)在不同時間尺度上的潛在性質(zhì).研究結(jié)果表明,系統(tǒng)大時間尺度的重現(xiàn)特性與傳統(tǒng)單一時間尺度的重現(xiàn)特性是不同的,一些系統(tǒng)在大的時間尺度上表現(xiàn)出更加準(zhǔn)確的結(jié)果.多標(biāo)度遞歸定量分析在復(fù)雜系統(tǒng)識別方面具有很強(qiáng)的優(yōu)勢.
[Abstract]:In the real world, complex systems are everywhere. Analyzing the time series from these complex systems is one of the important means to study their internal mechanism and operation mechanism. In this paper, the complexity and correlation of time series are studied, and several new statistical models are proposed and applied to the analysis of financial time series and traffic time series. First of all, we study the complexity of time series based on entropy. We propose two new models: improved generalized sample entropy and alternative data analysis and generalized permutation entropy analysis based on double exponential form. The improved generalized sample entropy and substitution data analysis use Hausdorf distance to replace the definition of distance in the original method, which can not only effectively overcome the harsh relationship between the length of time series and the length of pattern vector. The limitations of numerical degradation and so on, and have stronger advantages in estimation accuracy, data sensitivity, data anti-noise and data quantitative analysis. The generalized arrangement entropy analysis based on double exponential form extends the arrangement entropy to the form with two kinds of exponential parameters, which can effectively amplify some subtle changes and the overall change trend of the arrangement entropy when the sequence is continuous. At the same time, there is also a power-law relationship between the generalized permutation entropy and the index. Secondly, we study the correlation of time series based on de-trend fluctuation analysis. We propose two methods based on empirical pattern decomposition and overall empirical pattern decomposition, as well as multifractal de-trend fluctuation analysis and alternative data analysis. In the cross-correlation analysis based on empirical pattern decomposition and overall empirical pattern decomposition, we use empirical pattern decomposition, overall empirical mode decomposition, DCCA cross-correlation coefficient and so on. This paper studies the long-term cross-correlation between different stock markets from a new perspective. The multifractal de-trend fluctuation analysis and alternative data analysis are inspired by the generalized sample entropy and alternative data analysis, combined with the multifractal de-trend fluctuation analysis, the traffic time series in Beijing is studied. Traffic time series has high similarity with artificial binomial multifractal series, and they have similar characteristics of multifractal and correlation. Finally, we study the multi-scale behavior of time series based on sequential recurrent graphs. We propose a multi-scale recurrent quantitative analysis method based on sequential recurrent graphs. Compared with the traditional recurrent quantitative analysis, multi-scale recurrent quantitative analysis combined with multi-scale technology can mine and identify the potential properties of different systems on different time scales. The results show that the reproduction characteristics of the large time scale are different from those of the traditional single time scale, and some systems show more accurate results on the large time scale. Multi-scale recurrent quantitative analysis has strong advantages in complex system recognition.
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F224

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 應(yīng)建君;時間序列的多項式模型及其應(yīng)用[J];浙江統(tǒng)計;2000年07期

2 許清海;混沌投資時間序列的嬗變[J];漳州師范學(xué)院學(xué)報(自然科學(xué)版);2003年01期

3 高潔;孫立新;;長記憶時間序列的適應(yīng)性預(yù)測誤差的譜密度[J];統(tǒng)計與決策;2006年13期

4 黃超;龔惠群;;金融領(lǐng)域時間序列挖掘技術(shù)研究[J];東南大學(xué)學(xué)報(哲學(xué)社會科學(xué)版);2007年05期

5 耿顯民;;價格時間序列及其應(yīng)用(英文)[J];數(shù)學(xué)季刊;2008年01期

6 杜江;李玉蓉;鐘菲菲;;基于模糊時間序列對我國對外貿(mào)易中的進(jìn)口水平的預(yù)測[J];統(tǒng)計與決策;2010年23期

7 王朝;;淺述時間序列的預(yù)測方法[J];商業(yè)文化(下半月);2012年03期

8 劉猛洪;汪愛麗;;基于模糊時間序列的短期電力負(fù)荷預(yù)測[J];電子世界;2013年07期

9 劉彩霞;;時間序列在糧食預(yù)測中的應(yīng)用[J];東方企業(yè)文化;2013年09期

10 鄧樹增;技術(shù)發(fā)展的時間序列律[J];科學(xué)學(xué)研究;1988年01期

相關(guān)會議論文 前10條

1 周家斌;張海福;楊桂英;;多維多步時間序列預(yù)報方法及其應(yīng)用[A];中國現(xiàn)場統(tǒng)計研究會第九屆學(xué)術(shù)年會論文集[C];1999年

2 馬培蓓;紀(jì)軍;;基于時間序列的航空備件消耗預(yù)測[A];中國系統(tǒng)工程學(xué)會決策科學(xué)專業(yè)委員會第六屆學(xué)術(shù)年會論文集[C];2005年

3 盧世坤;李夕海;牛超;陳蛟;;時間序列的非線性非平穩(wěn)特性研究綜述[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

4 李強(qiáng);;基于線性模型方法對時間序列中異常值的檢測及證券實證分析[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對策（上冊）[C];2002年

5 戴麗金;何振峰;;基于云模型的時間序列相似性度量方法[A];第八屆中國不確定系統(tǒng)年會論文集[C];2010年

6 謝美萍;趙希人;莊秀龍;;多維非線性時間序列的投影尋蹤學(xué)習(xí)逼近[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];1999年

7 張大斌;李紅燕;劉肖;張文生;;非線性時問序列的小波-模糊神經(jīng)網(wǎng)絡(luò)集成預(yù)測方法[A];第十五屆中國管理科學(xué)學(xué)術(shù)年會論文集（下）[C];2013年

8 黃云貴;;基于時間序列的電網(wǎng)固定資產(chǎn)投資規(guī)模研究[A];2012年云南電力技術(shù)論壇論文集（文摘部分）[C];2012年

9 李松臣;張世英;;時間序列高階矩持續(xù)和協(xié)同持續(xù)性研究[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第8卷）[C];2007年

10 陳赫;羅聲求;;歷史橫斷面數(shù)據(jù)的時間序列化[A];科學(xué)決策與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第六次年會論文集[C];1990年

相關(guān)重要報紙文章 前6條

1 ;《時間序列與金融數(shù)據(jù)分析》[N];中國信息報;2004年

2 何德旭 王朝陽;時間序列計量經(jīng)濟(jì)學(xué)：協(xié)整與有條件的異方差自回歸[N];中國社會科學(xué)院院報;2003年

3 劉俏;讓數(shù)據(jù)坦白真相[N];21世紀(jì)經(jīng)濟(jì)報道;2003年

4 西南證券高級研究員 董先安邋德圣基金研究中心 郭奔宇;預(yù)計6月CPI同比上漲7.2%[N];證券時報;2008年

5 東證期貨 王愛華　楊衛(wèi)東;兩年漲跌輪回 秋季普遍下跌[N];期貨日報;2009年

6 任勇邋鄭重;中國對世界鋼材價格的影響實證分析[N];現(xiàn)代物流報;2007年

相關(guān)博士學(xué)位論文 前10條

1 張墨謙;遙感時間序列數(shù)據(jù)的特征挖掘：在生態(tài)學(xué)中的應(yīng)用[D];復(fù)旦大學(xué);2014年

2 張德成;滑坡預(yù)測預(yù)報研究[D];昆明理工大學(xué);2015年

3 苗圣法;時間序列的模式檢測[D];蘭州大學(xué);2015年

4 翁同峰;時間序列與復(fù)雜網(wǎng)絡(luò)之間等價性問題及表征應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2015年

5 楊婷婷;用Argo浮標(biāo)結(jié)合衛(wèi)星觀測估算北太平洋經(jīng)向熱輸運[D];中國科學(xué)院研究生院(海洋研究所);2015年

6 史文彬;時間序列的相關(guān)性及信息熵分析[D];北京交通大學(xué);2016年

7 原繼東;時間序列分類算法研究[D];北京交通大學(xué);2016年

8 盧偉;基于粒計算的時間序列分析與建模方法研究[D];大連理工大學(xué);2015年

9 胡建明;基于正則化核學(xué)習(xí)模型的時間序列多步預(yù)測的研究與應(yīng)用[D];蘭州大學(xué);2016年

10 黃標(biāo)兵;回聲狀態(tài)網(wǎng)絡(luò)時間序列預(yù)測方法及應(yīng)用研究[D];吉林大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 陳健;基于多變量相空間重構(gòu)的投資組合策略研究[D];華南理工大學(xué);2015年

2 蘭鑫;時間序列的復(fù)雜網(wǎng)絡(luò)轉(zhuǎn)換策略研究[D];西南大學(xué);2015年

3 米曉將;區(qū)域尺度下月均氣溫的時空演化格局研究[D];昆明理工大學(xué);2015年

4 張鳴敏;基于支持向量回歸的PM_(2.5)濃度預(yù)測研究[D];南京信息工程大學(xué);2015年

5 林健;基于改進(jìn)小世界回聲狀態(tài)網(wǎng)的時間序列預(yù)測[D];渤海大學(xué);2015年

6 曹智麗;日氣溫和干旱指數(shù)支持向量回歸預(yù)測方法[D];南京信息工程大學(xué);2015年

7 高雄飛;基于分形理論的土壤含水量時間序列特性分析[D];長安大學(xué);2015年

8 姚茜;城市安全生產(chǎn)發(fā)展目標(biāo)研究[D];中國地質(zhì)大學(xué)(北京);2015年

9 謝翠穎;蘇州社會消費品零售總額簡析[D];蘇州大學(xué);2015年

10 包仁義;基于時間序列的搜索引擎評估模型算法研究[D];東北師范大學(xué);2015年

，

本文編號：2491245