东盟五国汇率序列的非线性检验

使用来自物理学领域的一种新方法检验了亚洲东盟五国美元日汇率数据的非线性性,并结合替代数据分析检验了统计结果的有效性.同时利用该方法检验了日元以及英镑的美元日汇率数据,与文献中现有的研究结果进行了比较.最后将检验结果与产生于著名的Lorenz模型数据的情形进行了比较.上述结果都表明该方法有效地检验出了亚洲东盟五国美元日汇率数据的非线性存在性.     

基于神经网络的非线性时间序列预测方法研究

本文提出了一种基于神经网络进行非线性预测的方法，对ＢＰ模型应用于非线性预测了较详细的研究和探讨，应用该方法对经典非线性时序信号进行预测，并与传统预测方法（ＴＡＲ预测法）效果进行了比较，结果证明神经网络预测方法（ＡＮＮ预测法）具有十分明显的优势。     

非线性时间序列的相空间重构技术研究

分析了混沌时间序列相空间重构中常用的C-C方法所存在的四点不足,提出了改进的C-C-2方法.该方法改进了时间序列关联积分的计算方法和参数,利用混沌序列周期N的概念,提出了通过寻找Scor(t)的第一个属于混沌序列周期N的局部极小峰值,来确定最优延迟时间窗口的判断方式;并只寻找平均ΔS2(t)的第一个极小值来确定最优时间延迟,所得结果更合适、稳定,而且将原算法的抗噪能力由30%提高到80%.     

多维非线性时间序列的投影寻踪学习逼近

建立了多维非线性时间序列投影踪学习网络结构及算法,证明了投影寻踪学习网络可以以任意精度逼近多维非线性时间序列。解决了基于投影寻学习的多维非线性时间序列的建模和预测问题,实际应用例子表明该算法可行。     

非线性时间序列高性能仿真算法研究

系统相空间重构和几何特征值计算是非线性动力系统仿真的重要过程.因其算法时空复杂度较高而计算耗时,为实时仿真非线性时间序列带来了困难.对相图重构算法和几何特征值计算算法进行了优化,使其时间复杂度有不同程度的降低;进而并行化这些算法,使其效率进一步提升,最后算法运行时间缩短为原运行时间的1/30.以长程睡眠脑电数据分析和仿真为例,分析结果表明关联维的高低能够反映出睡眠的阶段,据此对非快速眼动睡眠期的仿真预测与实际结果相符.     

神经网络方法及其在非线性时间序列预测中的应用

在介绍神经网络方法后，对其应用于非线性时间序列预测进行了探讨。     

基于冗余的时间序列非线性特性的判定

考虑到常用的替代数据法进行非线性判定存在缺陷，研究了基于信息理论冗余概念的非线性判定方法，在Renyi α熵定义的基础上，推导了计算冗余的一般公式，即用相应的关联积分表示冗余，文中应用实例表明；相对于传统的空间划分或盒内计数方法计算冗余，用关联积分计算冗余显得更自然，更易实施。     

基于支持向量机的混沌时间序列非线性预测

提出一种新的应用支持向量机回归原理的混沌时间序列非线性预测方法,同时利用自适应的方法对支持向量机的参数进行优化.仿真结果显示支持向量机具有比传统的回归方法更好的泛化能力,预测方法具有很高的预测精度,同时还讨论了支持向量机中参数以及嵌入维数的变化对泛化误差的影响,得出的结论与统计学习理论中的VC维理论相一致.     

基于暂态挖掘的非线性时间序列故障预报

针对实际工程系统故障建模困难、现有故障预报方法实时性差的问题.从一类挖掘的角度,设计了一种基于一类支持向量机的时间序列暂态挖掘算法,提出了一种既不需要系统近似模型也不需要故障训练数据和先验知识的直接故障预报方法.在系统运行的同时实现学习和预报.提高了实时性.同时该方法简单易用,克服了传统方法在预报故障前需要预测系统未来状态的缺点.具有很强的应用意义.以釜式反应嚣为对象进行的仿真实验证明了方法的有效性.     

非线性时间序列定性相空间推理方法研究

提出一种基于定性仿真的非线性时间序列重构相空间的方法,定性相空间推理是其关键一步。通过时间序列定性状态的抽象来裁减其状态空间,规约行为轨迹,重构其定性相空间图。用3变量Lorenz系统产生的数据流对算法进行验证,结果表明能够保留原始相空间图的几何形状和拓扑关系,捕捉到相空间图中存在的行为轨迹的特征。     

金融市场的相关性分析--Copula-GARCH模型及其应用

作为一种全新的分析方法，Copula技术不仅可以有效地捕捉金融时间序列间的相关性，还可用于研究整个金融市场的特性、投资组合的选择及风险分析等其他金融问题。结合t-GARCH模型和Copula函数，建立Copula-GARCH模型并对上海股市各板块指数收益率序列间的条件相关性进行分析。结果表明，不同板块的指数收益率序列具有不同的边缘分布，各序列间有很强的正相关关系，条件相关具有时变性，各序列间相关性的变化趋势极为相似。     

汇率变动对产业结构的影响——FDI和贸易渠道的实证分析

作为重要的宏观经济变量,汇率变动与产业结构调整密切相关。本文构建汇率与产业结构调整关系的计量模型,从影响渠道的角度考察了汇率变动的产业结构效应。总体来看实际汇率变动可以通过外商直接投资(FDI)流入和贸易渠道影响资本密集和技术密集产业产值比重,但是资本密集型产业受汇率变动的影响弱于技术密集型产业,而FDI渠道的作用强于贸易渠道。     

基于序列模板的股票时间序列交易决策规则挖掘

研究一种可由投资者依据其经验与直觉，从股票时间序列中挖掘交易决策规则的方法。它根据投资者事先确定的相似偏好以及设定的买卖序列模板从历史价格序列中识别出与模板相似的形态；按相似度大小划分不同交易决策区间，反映交易决策时机；然后计算各策略组合的收益，构造t统计量在统计显著性基础上获取交易规则。该系统也能用于检验一些已有形态操作方法的有效性。     

时间序列分析建模与予报子系统CSTSMP的开发与使用

本文简述了CSTSMP子系统的功能及主要算法,并就如何使用该子系统提出了专家指导意见,并用具体例子说明其使用方法。     

混沌时间序列的平均周期计算方法

在研究制造质量信息系统的混沌特性,使用小数据量法求解时间序列的Lyapunov指数时,使用文献中推荐的方法计算得到的平均周期不可信。针对这个问题,对比分析了六种平均周期计算方法,及其与时间序列长度、经过FFT变换后的幅值及功率之间的关系。在此基础上,以华南智信的日产品生产合格率数据及Lorenz系统产生的混沌时间序列为原始数据,计算这两个混沌时间序列的六个平均周期。实际生产数据与Lorenz系统数据进行对比后,发现六种平均周期对于平均周期计算来说,大小变化是一致的;再结合生产合格率数据的物理意义,对计算结果进行分析,综合前述理论分析,得到的结论是以功率加权计算得到的平均周期的在实际使用过程中有意义。     

金融时间序列的数据挖掘技术与经典统计模型的比较

基于对时间序列的数据挖掘思想与经典建模法的基本思路分析和比较，总结各自的优缺点，并阐述二者是在本质上不同的两类重要的时间序列分析法。     

基于时间序列分析的制造质量水平变化的混沌特性

在定义了制造企业生产制造时间序列的基础上,使用G-P算法计算时间序列的关联维数。通过关联维数的计算得到相应的嵌入维数后,使用基于相空间重构的小数据量法计算混沌时间序列的Lyapunov指数。采集HZ近三年的日生产产品合格率作为研究制造质量水平变化混沌特性的原始数据。在以上技术路线及数据的基础上,得到的关联维为分数,而Lyapunov指数为正值,说明日生产产品合格率变化时间序列呈现出混沌特性。另外将以上数据分为8个时间序列,每个时间序列同样得到分数关联维数与正Lyapunov指数,说明制造质量水平的变化是一直是混沌的,为制造质量水平的预测在理论上提供了可能性。     

基于方差波动多重分形特征的金融时间序列聚类

提出了一种新的概率函数计算方法，用于研究金融时间序列在方差波动方面的多重分形特征。在此基础上提出了一种基于多重分形的时间序列聚类算法，该算法能够根据不同的分析目的，灵活地使用不同的概率函数以及序列的多重分形特征参量进行聚类。对上海证券市场实际数据的实验结果表明，本文提出的聚类算法是灵活有效的。     

基于扩散模型的银行间债券市场回购利率动态的实证分析

通过运用几何布朗运动模型和带跳跃的几何布朗运动模型对我国银行间债券市场7天回购利率的动态变化进行分析，发现相对几何布朗运动模型而言，带跳跃的几何布朗运动模型能更好地辅捉回购利率的动态特征，且回购利率在一定程度上存在着泊松跳跃。     

Interval Time Series Analysis with an Application to the Sterling-Dollar Exchange Rate

Traditional econometrics has long employed ＂points＂ to measure time series data. In real life situations, however, it suffers the loss of volatility information, since many variables are bounded by intervals in a given period. To address this issue, this paper provides a new methodology for interval time series analysis. The concept of ＂interval stochastic process＂ is formally defined as a counterpart of ＂stochastic process＂ in point-based econometrics. The authors introduce the concepts of interval stationarity, interval statistics （including interval mean, interval variance, etc.） and propose an interval linear model to investigate the dynamic relationships between interval processes. A new interval-based optimization approach for estimation is proposed, and corresponding evaluation criteria are derived. To demonstrate that the new interval method provides valid results, an empirical example on the sterling-dollar exchange rate is presented.