时间序列的多尺度不可逆性和复杂度研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 引言 | 第13-23页 |
| 1.1 研究背景与研究对象 | 第13-21页 |
| 1.2 本文主要工作 | 第21-23页 |
| 2 多尺度时间不可逆性分析 | 第23-53页 |
| 2.1 方法介绍 | 第24-29页 |
| 2.1.1 时间不可逆性 | 第24-25页 |
| 2.1.2 多尺度不可逆指数 | 第25-26页 |
| 2.1.3 可视化算法 | 第26-28页 |
| 2.1.4 基于DHVG的不可逆度量 | 第28-29页 |
| 2.2 模型验证 | 第29-39页 |
| 2.2.1 模型推导 | 第29-35页 |
| 2.2.2 模拟数据验证 | 第35-37页 |
| 2.2.3 噪音影响 | 第37-39页 |
| 2.3 实证分析 | 第39-53页 |
| 2.3.1 金融时间序列 | 第39-46页 |
| 2.3.2 噪音影响分析 | 第46-53页 |
| 3 基于序列分割的时间不可逆性研究 | 第53-67页 |
| 3.1 序列分割方法 | 第54-57页 |
| 3.1.1 Jensen-Shannon散度 | 第54-55页 |
| 3.1.2 分割的停止准则 | 第55-56页 |
| 3.1.3 分割片段 | 第56-57页 |
| 3.2 实证分析 | 第57-67页 |
| 3.2.1 原油价格序列的分割分析 | 第57-61页 |
| 3.2.2 分割片段时间不可逆性分析 | 第61-67页 |
| 4 多尺度复杂度分析 | 第67-99页 |
| 4.1 方法介绍 | 第68-73页 |
| 4.1.1 样本熵 | 第68-69页 |
| 4.1.2 MSE | 第69-70页 |
| 4.1.3 RCMSE | 第70-72页 |
| 4.1.4 MMSE | 第72-73页 |
| 4.2 时间序列复杂度分析 | 第73-78页 |
| 4.2.1 模拟序列分析 | 第73-76页 |
| 4.2.2 实证分析 | 第76-78页 |
| 4.3 多尺度交叉样本熵 | 第78-88页 |
| 4.3.1 MCSE | 第78-80页 |
| 4.3.2 改进的MCSE | 第80页 |
| 4.3.3 实证分析 | 第80-88页 |
| 4.4 多尺度加权置换熵分析 | 第88-99页 |
| 4.4.1 方法介绍 | 第88-90页 |
| 4.4.2 模拟序列分析 | 第90-93页 |
| 4.4.3 交通信号分析 | 第93-99页 |
| 5 多尺度去趋势波动分析法 | 第99-109页 |
| 5.1 方法介绍 | 第100-103页 |
| 5.1.1 去趋势波动分析法 | 第100-101页 |
| 5.1.2 多尺度DFA分析 | 第101-103页 |
| 5.2 实证分析 | 第103-109页 |
| 5.2.1 生理数据描述 | 第103-104页 |
| 5.2.2 与DFA结果对比 | 第104-105页 |
| 5.2.3 异常值影响 | 第105-106页 |
| 5.2.4 序列长度的影响 | 第106-107页 |
| 5.2.5 性别因素分析 | 第107-109页 |
| 6 总结与展望 | 第109-112页 |
| 参考文献 | 第112-124页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第124-127页 |
| 学位论文数据集 | 第127页 |
