非線性Potts金融系統(tǒng)動(dòng)態(tài)及金融時(shí)間序列統(tǒng)計(jì)分析.pdf

1、在本篇論文中，為了探究復(fù)雜系統(tǒng)中分?jǐn)?shù)階信息熵的統(tǒng)計(jì)特性，通過把分?jǐn)?shù)階信息熵用于排列熵和樣本熵算法，從而將其推廣為具有分?jǐn)?shù)階形式的加權(quán)分?jǐn)?shù)階排列熵和分?jǐn)?shù)階樣本熵。文中通過不同的模擬數(shù)據(jù)和真實(shí)數(shù)據(jù)對加權(quán)分?jǐn)?shù)階排列熵和分?jǐn)?shù)階樣本熵進(jìn)行了有效性分析。實(shí)證結(jié)果表明調(diào)整分?jǐn)?shù)階數(shù)可以更靈敏和準(zhǔn)確的刻畫不同時(shí)間序列的動(dòng)態(tài)變化，這有利于描繪復(fù)雜系統(tǒng)的的動(dòng)態(tài)行為。并且本文通過數(shù)值模擬對比研究了Ports金融模型和真實(shí)股市收益率序列的非線性復(fù)雜度行為，實(shí)證表

2、明表明了該模型的合理性。
　　通過結(jié)合樣本熵和復(fù)雜度不變量距離，本文提出了一種新的同步性度量方法復(fù)合復(fù)雜度同步性來刻畫兩個(gè)具有相同長度的時(shí)間序列之間的同步程度。文中通過將多尺度復(fù)合復(fù)雜度同步性分析和多尺度交互樣本熵分析運(yùn)用于七只具有代表性的股票市場指數(shù)對比分析了不同指數(shù)對數(shù)收益率序列之間的配對行為。并且通過選取文中股票指數(shù)在相同時(shí)段內(nèi)不同采樣頻率的數(shù)據(jù)來分析數(shù)據(jù)采樣頻率對于多尺度復(fù)合復(fù)雜度同步性的影響。并且通過集成經(jīng)驗(yàn)?zāi)B(tài)分解方法