股市时间序列的多重分形消除趋势分析

为了探索股票时间序列的无标度性,应用多重分形消除趋势分析的方法(MF-DFA)来研究沃尔玛指数(WMT)日收盘价.研究结果表明,沃尔玛指数日收盘价的变化具有多重分形的特性,广义Hurst指数显著依赖于波动函数的阶数,并随之变化;尺度函数表现出明显的非线性性质;多重分形谱呈现单峰钟形图像.     

股票收益率序列的多重分形特征分析

运用多重分形消除趋势波动分析法,研究中石油和中石化两个上市公司股票收益率的多重分形特征,并结合多重分形谱方法,比较两股票收益率序列的多重分形性的强弱及风险大小.结果表明,两个公司的股票收益率序列均具有明显的多重分形特征,且中石化收益率序列的多重分形性更强,波动复杂程度更高.总体相比,买入中石化股票获利的空间更大,但风险也较买入中石油的更高.     

汇率时间序列多重分形特征分析及实证研究

选用5种主要货币兑美元的日汇率数据,借助配分函数分布图判定汇率时间序列存在多重分形特征,并在此基础上借助多重分形谱对汇率时序描述多重分形特征,将多重分形理论应用于金融市场,不仅为认识金融市场本质特征提供新的理论依据,并且为机构与个人的金融投资和金融风险防范以及政府对金融市场的有效干预提供新的参考工具。     

金融时间序列的多重分形类型的确定

为了探索股票时间序列的无标度性,利用多重分形消除趋势涨落分析的方法(MF-DFA)来研究沃尔玛股票指数(WMT)日收盘价.结果表明沃尔玛股票指数日收盘价的变化具有多重分形的特性.然后,随机打乱时间序列的次序,用MF-DFA方法分析打乱序列的多重分形性质,得出沃尔玛股票指数的多重分形主要是由概率密度函数产生的,分布多重分形占主导地位.比较原始序列和打乱序列的多重分形性质,得出打乱序列的多重分形性弱于原始序列的多重分形性.     

长江日径流序列的多重分形性质研究

讨论了长江宜昌站1950年至1999年日径流时间序列的多重分形性质,计算了50年日径流时间序列和每一年日径流时间序列的质量指数τ(q)、广义分形维数Dq、奇异性指数α和多重分形谱f(α).结果表明,不论是长期(50年)还是短期(1年),长江日径流序列均具有明显的多重分形性质.这对研究长江日径流的非线性性质提供了重要的理论基础.     

酒鬼酒股票收益率序列的多重分形特征

运用多重分形消除趋势波动分析法,研究湘西酒鬼酒上市公司股票收益率的多重分形特征可知,股票收益率序列在不同尺度上均具有多重分形特征,验证了分形市场的假说.进一步运用相位随机替代法与随机重构法,对不同时间尺度上多重分形特征的动力原因进行分析可知,在小时间尺度上长期持续性占主导作用,而大时间尺度上尖峰胖尾与长期持续性共同作用导致多重分形特征的产生.     

矿井涌水量时间序列多重分形的局部奇异性研究

通过实例计算 ,所得的结果说明了矿井涌水量时间序列具有多重分性的特征 ,局部奇异性则是矿井涌水量时间序列所具有的一种属性。在讨论 4个描述局部奇异性参数有关物理意义的基础上 ,提出了矿井涌水量的奇异性在进行矿井水文地质条件分类、矿区地下水特征分析及矿井涌水量预测方面所具有的理论意义和实际作用 .图 1,表 1,参 8     

金融时间序列的多重分形分类

金融时间序列中的多重分形性质经常与标度不规则性和自相似性相联系,经常用多重分形谱方法对金融时间序列进行分类.提出了谱的宽度和峰值的概念,用来区分不同样本的分布特征,用描述统计的方法来得到内在多重分形性的统计描述特征.研究中所用68个证券市场的日交易数据来自纽约股票交易所20 a的交易数据.结果表明,多重分形特征适用于对金融时间序列进行分类.     

股市时间序列的多重分形分析

通过对幂谱和统计矩函数的分析,得出股票市场时间序列的无标度性.借助配分函数、广义分形维数和多重分形谱对股票市场进行研究,结果表明,股票市场时间序列具有多重分形特征.这将为多重分形在金融理论方面的研究提供重要的理论基础.     

基于小波变换的多重分形谱研究及实证分析

为了探索期货市场中的非线性特征,选用大连和芝加哥期货市场中黄豆期货价格时间序列,借助配分函数分布图判定期货时间序列存在多重分形特征,并在此基础上利用多重分形谱对期货时序描述多重分形特征．结果表明,与芝加哥期货市场相比,大连期货市场的多重分形强度更大,风险更大．然后对时间序列进行小波变换,将处理后的时间序列的多重分形强度与原始序列进行比较,发现多重分形特征与时间序列中的噪声及长程相关性有关．     

基于复杂网络理论的时间序列分析

综述了复杂网络理论应用于时间序列分析的研究进展.报道了对这些问题开展的一些探索性的工作,包括混合序列中不同成分的竞争、二维地貌的复杂网络描述、多种序列分析方法的联合应用等.     

基于变换的时间序列相似性分析

为了解决时间序列相似性比较问题,采用从时间序列的直观特征分析入手进行定义的方法,定义了具体的基于变换的时间序列的相似性,并分析了良好的时间序列变换函数所应具备的性质,讨论了一些有代表性的基于变换的时间序列相似性的定义和分析方法,对这些方法的基本思想加以提炼和总结,并讨论了这些方法的优、缺点,为基于变换的现代时间序列分析方法研究提供了较为完整的成果概览。同时,提出了借助变换函数来对时间序列的相似性进行定义的方法,为进一步做好时间序列相似性的比较工作提供了具体方向和理论依据。     

一类变换图的同构问题

利用度序列的概念,证明变换图G~(--+)与H_n~(--+)同构,当且仅当G与_n同构.以及在G连通的条件下,G~(--+)与C_n~(--+)同构,当且仅当G与_n同构.     

广义幂级数环的零因子图

研究了广义幂级数环[[R^s≤]]的零因子图的直径与围长等基本性质．当S为平凡序挠自由可消幺半群时，获得了[[R^s≤]]（即幺半群环R[S]）的零因子图的若干性质．     

Linkage graph analysis: A linkage-group-based QTL synthesis analysis approach

Consensus quantitative trait loci (QTL) in meta-analysis of multiple independent QTL mapping experiments provides a strong foundation for marker-assisted selection and gene cloning. However, meta-analysis suffers from the lack of available genomic information and the results vary when different reference linkage maps are used. Here, to overcome these limitations, we propose a linkage-group-based QTL synthesis analysis approach that we have named linkage graph analysis. First, a graph model is constructed from derived linkage groups. Next, an unsupervised classification approach is used to obtain marker intervals with co-segregating patterns among multiple genomes. Finally, a frequent itemset mining technique is used to identify the markers (or intervals) closely linked to the QTL. The proposed method was validated by one Monte Carlo simulation study and by real data analysis of cotton genomes. Two major advantages of the new method are: (i) A reference linkage group is not required; (ii) the effect of the initial QTL is reduced because false QTLs can be detected and excluded from the dataset. The ability to reliably identify the markers associated with a true QTL is valuable in crop breeding.     

Matlab在时间序列分析中的应用

Matlab强大的科学计算和可视化功能使其在各个领域中得到了广泛的应用．采用Matlab进行时间序列分析可以极大地简化编程工作，并具有界面友好、操作方便的特点。介绍了使用Matlab进行时间序列分析的基本方法和步骤，并通过实例进行了说明。     

基于可见图的沪深股市波动分析

利用可见图算法,考虑沪深股市不同时间频率(日、周、月)的收益率序列,将其映射成网络,发现所构造的网络具有分层结构和无标度性.网络节点度分布幂律指数与Hurst指数服从线性规律,验证了可见图算法计算Hurst指数的可靠性.同时,截取2007~2008年沪深股市大涨大跌收益率序列,将其分别映射成网络,得出股市大涨与大跌在网络拓扑结构方面的非平凡性质.     

图的边重构性

提出图的小次、大次和特殊路长S(G)等概念来研究图的边重构性,并得到如下两个重要结论:若图G存在次为δ_p k的顶点至少和k 1个小次顶点相邻,则G是边可重构的(δ_p为某小次,k为非负整数);若S(G)≠0,3, ∞,则G是边可重构的。     

时间序列自相关函数的局部影响分析

 时间序列模型不同于一般的线性回归模型,其样本点之间存在着一定的相依结构使得常用的探测异常值的方法,如数据删除、单点求导等对时间序列而言效果不佳.为了探测时间序列中的强影响点,文章介绍了局部影响分析方法,研究同时对几个点作微小扰动时自相关函数的局部改变量.最后,用一个例子来比较局部影响方法与单点求导方法在探测强影响点上的优劣性.