New measure of multifractality and its application in finances
我们为分析时间序列的多重分形性质提供了另一种方法。新的方法考虑到整个多重分形轮廓的广义赫斯特指数$h(q)$的所有时刻订单$q$的行为,不仅限于边缘值的$h(q)$描述在MFDFA标度性能的最小和最大的波动信号。阐明了这种新测度的意义,并以人工合成的多重分形数据和股票市场的实际信号为例,研究了它的性质。我们表明,所提出的新措施是免费的问题,可以满足真正的非平稳信号,而搜索他们的多重分形签名。
2013-09-21 physics.data-an q-fin.ST
Application of Multifractal Measures to Tehran Price Index
我们报告的德黑兰价格指数(TEPIX)的实证研究。为了分析我们的数据,我们使用各种方法,如,重新标度范围分析($R/S$),修改的重新标度范围分析(Lo的方法),去趋势波动分析(DFA)和广义赫斯特指数分析。根据数值计算结果,确定了TEPIX收益率的标度范围,考察了该市场的长记忆效应或长程相关性,导出了TEPIX收益率概率分布函数的特征指数,确定了德黑兰证券交易所的发展阶段。
2004-12-11 physics.data-an q-fin.ST
Multifractal Detrended Fluctuation Analysis of Sunspot Time Series
我们使用多重分形去趋势波动分析(MF-DFA),参见查询1研究太阳黑子数量波动。MF-DFA结果表明,涨落函数中存在三个交叉时标。我们讨论了交叉时标的存在是如何与正弦趋势相关的。利用傅立叶去趋势波动分析,消除了正弦趋势。没有正弦趋势的时间序列的赫斯特指数是$0.12\pm 0.01$。我们还发现这些涨落具有多重分形性质。将剩余数据集的MF-DFA结果与洗牌和替代序列的结果进行比较,我们得出结论,其多重分形性质几乎完全是由于长程相关性。
2006-02-13 astro-ph physics.data-an
Multifractal characterization of gold market: a multifractal detrended fluctuation analysis
采用多重分形去趋势波动分析技术,对1993- 2013年7月中国、印度和土耳其3个世界黄金消费大国的黄金消费价格指数(CPI)和市场走势的时间序列进行分析。计算了各种多重分形变量,如广义赫斯特指数、多重分形指数和奇异谱,并将计算结果拟合到仅由两个参数组成的广义二项式多重分形(GBM)序列上.特别强调的是,以确定可能的来源(S)在这些系列的多重分形。我们的分析表明,CPI序列和所有三个市场序列都具有多重分形性质。CPI时间序列和印度市场序列的多重分形的起源是由于一个长期的时间相关性,而它主要是由于中国和土耳其市场的值的厚尾概率分布。GBM模型系列或多或少地描述了这里分析的所有时间序列。
2015-05-17 physics.data-an q-fin.ST
How much multifractality is included in monofractal signals?
我们研究了由于信号的有限长度和(或)由于信号揭示的长记忆性而出现的单分形信号的残余多重分形背景的存在。人工生成的时间序列的多重分形消除趋势波动分析(MF-DFA)中,这一现象进行了研究。接下来,分析公式,使描述在这样的信号中的多重分形内容提供。最后的结果显示在常用的广义Hurst指数h(q)多重分形的情况下,并作为时间序列长度L和自相关指数值γ的函数。本文还讨论了多重分形谱(α,f(α))方法。所得到的结果在多重分形的任何实际应用中,包括金融数据分析,可能是有意义的,因为“真正的”多重分形效应应该从所谓的“多重分形噪声”清楚地分离。在这方面的例子,从金融。所提供的公式可以帮助我们决定是否处理真正的多重分形起源的信号。
2011-09-25 physics.comp-ph physics.data-an q-fin.GN
Wavelet versus Detrended Fluctuation Analysis of multifractal structures
我们进行了多重分形去趋势波动分析(MFDFA)和小波变换模极大值(WTMM)的方法在适当的检测单和多重分形字符的数据的适用性进行了比较研究。我们量化这两种方法的性能,通过使用不同种类的人工信号产生根据几个众所周知的完全可溶的数学模型:单分形分数布朗运动,bifractal Levy航班,和不同种类的多重分形二项式级联。我们的研究结果表明,在大多数情况下,其中一个不知道先验的分形性质的过程中,选择MFDFA应被推荐。特别地,WTMM给出了具有不同Hurst指数值的分数布朗运动的有偏结果,表明虚假的多重分形。在某些情况下,如果应用不同的小波,WTMM也可以给出不同的结果。我们不排除在实际数据分析中使用WTMM,但是当人们可以以更自动的方式应用MFDFA时,WTMM必须小心应用。在我们工作的第二部分中,我们对来自美国和德国股票市场的经验数据进行了类似的分析。对于这些数据,这两种方法都检测到丰富的多重分形广泛的f(α),但MFDFA表明,这种多重分形比WTMM的情况下更差。
2006-05-13 cond-mat.other nucl-th physics.data-an
Effect of detrending on multifractal characteristics
本文通过多种 MFDFA 变体分析人工与真实时间序列,发现去趋势多项式阶数显著影响奇异谱宽度和 Hurst 指数,且关系随信号类型而变,可用于揭示序列相关结构。
2012-12-03 physics.data-an q-fin.ST
On the multifractal effects generated by monofractal signals
定量研究了多重分形消除趋势波动分析(MF-DFA)中时间序列多重分形现象分析时可能遇到的虚假多重分形信号的水平。所研究的效果出现作为有限长度的使用的数据系列的结果,并通过数据最终可能包含的长期记忆被放大。我们提供了详细的定量描述,这种明显的多重分形背景信号作为一个阈值的广义赫斯特指数值$Δh$或阈值的宽度的多重分形谱$Δα$低于该系统的多重分形属性是唯一明显的,即不存在,尽管$Δα\neq0$或$Δh\neq 0$。我们发现这种效应对于较短或持续的序列非常重要,我们认为它与自相关指数$γ$是线性的。其强度随时间序列长度的增加按幂律衰减。本文还研究了初始数据在不同长记忆水平下的基本线性和非线性变换的影响。这提供了额外的一组半分析结果。所得到的公式是重要的多重分形的任何跨学科的应用,包括物理学,金融数据分析或生理学,因为它们允许分离的“真正的”多重分形现象从明显的(人工)多重分形效应。他们应该是一个有用的工具的第一选择,以决定我们是否在特定情况下与真正的多尺度特性的信号或没有。
2013-08-24 physics.data-an q-fin.ST
Multifractal analyses of row sum signals of elementary cellular automata
我们首先应用WT-MFDFA,MFDFA,和WTMM多重分形方法的二项式多重分形时间序列的三个不同的二项式参数,并发现WTMM方法表示增强的分形分量之间的差异比已知的理论结果。接下来,我们对规则(90,165)和(150,105)的两个互补ECA对的行和信号的时间序列使用相同的方法,用于从中心位置的单个1到覆盖第一行中的十个中心位置的十个1的集合的十个初始条件。由于从统计的角度来看,这两个对的成员实际上是相似的,因此我们可以通过记录这两个对的成员之间的方法对于标度分析的各种重要量(例如多重分形支持,最常见的Holder指数,和Hurst指数,并认为提供最小差异的方法是较好的方法。根据这个准则,我们的结果表明,MFDFA的性能优于WT-MFDFA和WTMM的情况下的多重分形支持,而对于其他两个尺度参数的WT-MFDFA是最好的。所采用的初始条件集不产生多重分形参数值的任何特定趋势
2012-02-21 nlin.CG physics.data-an
Detrended Cross-Correlation Analysis Consistently Extended to Multifractality
我们提出了一种新的算法-多重分形互相关分析(MFCCA)-构成了一致的扩展的去趋势互相关分析(DCCA),并能够正确识别和量化两个时间序列之间的多重分形互相关的微妙特征。我们引入这种算法的动机是,已经存在的方法,如MF-DXA在最好的严重限制,大多数描述复杂的自然过程的信号,往往表明多重分形互相关时,没有。本扩展的主要组成部分是适当的纳入波动的符号,其广义矩。此外,我们提出了一个广泛的分析模型分形随机过程以及现实世界的信号,并表明,MFCCA是一个强大的和选择性的工具,在同一时间,因此,允许一个可靠的量化分析过程的互相关结构。特别是,它允许一个识别的多重分形标度的边界,并分析广义赫斯特指数和多重分形标度参数$λ_q$之间的关系。这种关系提供了有关互相关性中潜在多重分形特征的信息,从而使我们能够比迄今为止可用的任何其他相关方法更深入地了解分析过程的动态。通过使用股票市场的时间序列的例子,我们表明,金融波动通常交叉相关multifractally只有相对较大的波动,而小的波动保持相互独立,即使在最大的这种交叉相关性。最后,我们指出可能的效用MFCCA研究的时滞互相关的影响。
2014-02-06 physics.data-an q-fin.ST
Analysis of the structural complexity of Crab Nebula observed at radio frequency using a multifractal approach
本研究利用二维多重分形去趋势涨落分析公开的射电成像数据,发现蟹状星云具有幂律标度的长程相关性和本质为多重分形的结构复杂性,揭示了其结构的高度异质性,从复杂性科学视角提供了新见解。
2024-02-09 astro-ph.GA nlin.AO physics.data-an
On multifractals: a non-linear study of actigraphy data
这项工作的目的是,从分形几何概念的应用,以确定活动系列的特点,除了评估的可能性,确定个人与纤维肌痛。从27名健康受试者和27名纤维肌痛患者中收集活动水平数据,使用配备加速度计的时钟状设备,持续约四周,全天。用分形和多重分形方法对活度序列进行了评价。Hurst指数分析显示了两组(健康受试者的$H=0.98\pm0.04$和纤维肌痛患者的$H=0.97\pm0.03$)根据其他研究($H>0.5$)的值,但是,通过这种分析无法区分两组。活动时间序列也表现出多重分形模式。睡眠和清醒状态的光谱指数的配对分析显示健康受试者和纤维肌痛患者之间的差异。个体的特征在于清醒和睡眠状态之间的差异,健康受试者的$α_{q-} - α_{0}$($p = 0.014$)和纤维肌痛患者的$D_{0}$($p = 0.013$)具有统计学显著差异。该方法已被证明是表征此类信号的一种选择,并且能够区分健康和纤维肌痛组。这一结果表明运动控制的生理机制发生了变化。
2018-09-24 nlin.AO nlin.CD physics.data-an
A Comparison of natural (english) and artificial (esperanto) languages. A Multifractal method based analysis
Université de Liège(列日大学)
我们提出了一个比较的两个英文文本,写的刘易斯卡罗尔,一个(爱丽丝梦游仙境)和其他(通过一面镜子),前者翻译成世界语,以观察是否自然和人工语言显着不同。我们使用字长或词频构造类似信号的一维时间序列。我们使用多重分形的思想来整理相关性的著作。为了检查方法的鲁棒性,我们还编写了相应的混洗文本。我们比较特征函数,例如观察到(远离抛物线)f(alpha)曲线的显著差异,我们将其归因于Tsallis在“频率时间序列”和“长度时间序列”中的非广泛统计特征。世界语文本有更极端的价值。一个非常粗略的近似是将文本建模为随机康托集,如果它是由长词和短词(或词和空白)的二项式级联产生的。这导致了表征文本风格的参数,最有可能的是作者的作品。
2008-01-16 cs.CL physics.data-an
Detrended partial cross-correlation analysis of two nonstationary time series influenced by common external forces
在复杂的自然或社会系统中,当两个幂律互相关的时间序列受到共同因素的强烈影响时,如果不考虑这些共同因素,采用经典的去趋势互相关分析(DCCA)会使分析结果产生偏差。我们使用去趋势偏互相关分析(DPXA),以揭示内在的幂律互相关两个同时记录的时间序列在非平稳性的存在下,消除其他时间序列作为共同的力量的影响。DPXA方法是考虑到偏相关分析的去趋势互相关分析的推广。我们证明了该方法通过使用二元分数布朗运动污染的分数布朗运动。我们发现,DPXA是能够恢复的分析交叉赫斯特指数,因此,多尺度DPXA系数是一个可行的替代传统的互相关系数。通过分析污染的二元分数布朗运动,我们证明了DPXA系数比DCCA系数的优势。我们计算DPXA系数,并使用它们来提取原油和黄金期货之间的内在交叉相关性,同时考虑到美元指数的影响。为了推广DPXA方法并研究多重分形时间序列,我们发展了多重分形DPXA方法(MF-DPXA)。我们分析了强白噪声掩盖下的多重分形二项测度,发现MF-DPXA方法量化了隐藏的多重分形性质,而MF-DCCA方法失败了。
2015-04-15 physics.data-an physics.soc-ph q-fin.ST