高频时间序列局部Hurst指数的小波谱估计研究

Hurst指数有多种估计方法,但传统的方法多用于描述时间序列长期统计行为的全局特征,无法刻画时间序列随着时间推移而发生变化的局部分形特征。文章引入局部Hurst指数的概念,介绍了一种适用于高频数据的采用分割窗小波谱估计局部Hurst指数的新方法,并应用于2008年1月至2010年12月中证800指数日内1分钟高频收益率的研究。实证研究结果表明,该方法具有稳健性,能较好地刻画我国沪深股市的时变分形特征。

局部Hurst指数方法在研究我国股市大跌中的应用

本文以沪深两市综合股指日收盘价为研究对象,引入局部Hurst指数概念,验证了在我国股市大跌前,综合股指日收盘价的局部Hurst指数的变化趋势符合“持续下降”的规律。此外,本文还提出“局部Hurst指数下降开始日与股市大跌结束日的时间间隔超过两周”以及“下降结束日与股市大跌开始日可能会有小段时间间隔”的观点。

时间尺度分析识别土壤湿度的多分形性特征

土壤水分作为农作物生长所需水分的主要供给来源,目前土壤湿度(水分)研究成了学术热点。土壤湿度可以改变地表反照率、热容量以及向大气输送的感热和潜热从而影响气候变化,并且对土壤水分估算,预测农田干旱发挥着重要作用。了解土壤湿度的尺度特性对将局部测量的波动转化到更大的尺度至关重要。本研究基于遥感数据利用多重去趋势波动分析(MFDFA)研究了美国印第安纳州不同土壤深度的土壤湿度变化的标度特性。结果表明,浅层土壤湿度具有明显的反持续性特征,深层土壤湿度具有较强的持续性特征。此外,在不同深度的土壤湿度具有显著的多重分形性。并且尺度的选择(月尺度和季节尺度)对土壤湿度平均标度行为影响较小。