本文主要研究内容
作者吴振宇（2019）在《复杂时间序列的信息熵及其应用》一文中研究指出：近些年来,时间序列信息熵的相关研究受到越来越多的关注。通常,复杂系统生成的复杂时间序列均表现出不规则性、随机性、分形性、非线性性等统计特征。基于信息熵的多种分析方法对于复杂时间序列表现出的这些统计特征的研究提供了新的途径。本文提出并探究多种与信息熵有关的时间序列分析方法,并通过多模型模拟这些方法可行性与稳定性,再利用多种金融时间序列及交通系统序列进行实证论证。本文共提出了信息熵领域的四种分析方法用于复杂时间序列的不规则性及相关性等方面研究。第一种研究方法是非线性变换的转移熵,本文通过将转移熵拓展至五种在金融市场具有实际意义的非线性变换中,探究在非线性变换下多个金融股票市场之间的信息传递关系及相互影响关系。结果表明本文所研究的五种非线性变换中有四种均使转移熵增大,为金融时间序列的交叉相关性研究提供有力论据。第二种研究方法是基于可视图的时间序列不可逆性度量的改进方法,该方法通过对序列的前向与后向的出入度进行多维度编码以重新构造数据空间,并利用Kullback-Leibler(KL)散度度量复杂时间序列的不可逆性。该部分模型及实证结果表明,在编码尺度为3时,时间序列的不可逆将达到峰值。第三种研究方法为多尺度加权分布熵法,通过方差加权法考虑数据集的离散程度在度量分布熵时的作用,充分利用数据内蕴信息,再从多尺度的数据空间角度对加权分布熵进行探究。结果表明,随着数据维嵌入尺度的增加,加权分布熵具有明显的下降趋势。第四种研究方法为基于核函数与广义信息度量的流形学习方法,该方法通过核函数处理各行业绩效评价数据集,将高维的不可分非线性数据集转化成线性可分数据后,再利用广义的KL散度进行信息距离测量以获得关系度量矩阵。最后通过成分分析法以达到流形降维的目的。
Abstract
jin xie nian lai ,shi jian xu lie xin xi shang de xiang guan yan jiu shou dao yue lai yue duo de guan zhu 。tong chang ,fu za ji tong sheng cheng de fu za shi jian xu lie jun biao xian chu bu gui ze xing 、sui ji xing 、fen xing xing 、fei xian xing xing deng tong ji te zheng 。ji yu xin xi shang de duo chong fen xi fang fa dui yu fu za shi jian xu lie biao xian chu de zhe xie tong ji te zheng de yan jiu di gong le xin de tu jing 。ben wen di chu bing tan jiu duo chong yu xin xi shang you guan de shi jian xu lie fen xi fang fa ,bing tong guo duo mo xing mo ni zhe xie fang fa ke hang xing yu wen ding xing ,zai li yong duo chong jin rong shi jian xu lie ji jiao tong ji tong xu lie jin hang shi zheng lun zheng 。ben wen gong di chu le xin xi shang ling yu de si chong fen xi fang fa yong yu fu za shi jian xu lie de bu gui ze xing ji xiang guan xing deng fang mian yan jiu 。di yi chong yan jiu fang fa shi fei xian xing bian huan de zhuai yi shang ,ben wen tong guo jiang zhuai yi shang ta zhan zhi wu chong zai jin rong shi chang ju you shi ji yi yi de fei xian xing bian huan zhong ,tan jiu zai fei xian xing bian huan xia duo ge jin rong gu piao shi chang zhi jian de xin xi chuan di guan ji ji xiang hu ying xiang guan ji 。jie guo biao ming ben wen suo yan jiu de wu chong fei xian xing bian huan zhong you si chong jun shi zhuai yi shang zeng da ,wei jin rong shi jian xu lie de jiao cha xiang guan xing yan jiu di gong you li lun ju 。di er chong yan jiu fang fa shi ji yu ke shi tu de shi jian xu lie bu ke ni xing du liang de gai jin fang fa ,gai fang fa tong guo dui xu lie de qian xiang yu hou xiang de chu ru du jin hang duo wei du bian ma yi chong xin gou zao shu ju kong jian ,bing li yong Kullback-Leibler(KL)san du du liang fu za shi jian xu lie de bu ke ni xing 。gai bu fen mo xing ji shi zheng jie guo biao ming ,zai bian ma che du wei 3shi ,shi jian xu lie de bu ke ni jiang da dao feng zhi 。di san chong yan jiu fang fa wei duo che du jia quan fen bu shang fa ,tong guo fang cha jia quan fa kao lv shu ju ji de li san cheng du zai du liang fen bu shang shi de zuo yong ,chong fen li yong shu ju nei wen xin xi ,zai cong duo che du de shu ju kong jian jiao du dui jia quan fen bu shang jin hang tan jiu 。jie guo biao ming ,sui zhao shu ju wei qian ru che du de zeng jia ,jia quan fen bu shang ju you ming xian de xia jiang qu shi 。di si chong yan jiu fang fa wei ji yu he han shu yu an yi xin xi du liang de liu xing xue xi fang fa ,gai fang fa tong guo he han shu chu li ge hang ye ji xiao ping jia shu ju ji ,jiang gao wei de bu ke fen fei xian xing shu ju ji zhuai hua cheng xian xing ke fen shu ju hou ,zai li yong an yi de KLsan du jin hang xin xi ju li ce liang yi huo de guan ji du liang ju zhen 。zui hou tong guo cheng fen fen xi fa yi da dao liu xing jiang wei de mu de 。
论文参考文献
论文详细介绍
论文作者分别是来自北京交通大学的吴振宇，发表于刊物北京交通大学2019-09-27论文，是一篇关于复杂时间序列论文,信息熵论文,非线性变换转移熵论文,散度论文,时间序列不可逆性论文,加权分布熵论文,核函数论文,流形学习论文,北京交通大学2019-09-27论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自北京交通大学2019-09-27论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：复杂时间序列论文; 信息熵论文; 非线性变换转移熵论文; 散度论文; 时间序列不可逆性论文; 加权分布熵论文; 核函数论文; 流形学习论文; 北京交通大学2019-09-27论文;