用修正重标极差法对上证指数长期记忆性的研究

本文以上证指数周收益率为研究对象,分别采用重标极差分析法和修正重标极差分析法,通过计算V统计量的值对其进行长期记忆性的检验。由于不能排除V统计量的值存在超出上侧分位点的可能性,本文进行了双侧检验,并分析了R/S分析法产生偏差的原因。得出上证指数周收益率时间序列并未表现出显著的长期记忆性的结论。

重标极差方法下时变Hurst指数的构建和实证研究

在时间序列的重标极差分析方法的基础上,定义了一个时变Hurst指数的概念,推导并证明了时变Hurst指数的2条性质,并引入滑动分块自助法计算Hurst指数的标准差。以此为基础,用Hurst指数的下限及随机过程服从随机游走时的Hurst的上限作为分析工具,对Hurst指数能否成功预测市场的反转进行了研究。实证研究表明:时变Hurst指数能成功地预测市场的反转。

应用重标极差法预测农业气候干旱

针对农业气候干旱对我国农业生产具有不利影响这一问题,利用重标极差法的原理和方法构造了预测模型。以濮阳市为例对枯水发生年份进行了检验和预测,结果与实测结果吻合较好,表明采用重标极差法对农业气候干旱进行预测是可行的,具有较好的推广价值。

重标极差法在上海股票市场有效性分析中的应用

重标极差法是一种广泛应用的、强健的非参数方法,本文简述了重标极差法的基本原理,并且将这种方法应用于上海股票市场有效性的统计分析。

重标方差和小波分析在径流分析中的应用

为了揭示径流变化的本质规律及其多尺度影响因素,利用渭河流域华县站1960—2004年共45 a的实测月径流序列,采用滑动重标方差计算了径流序列的标度指数,并对其进行了小波分解重构。结果表明:华县站实测径流序列标度指数演变呈明显的3个变化阶段,分别在1969年、1989年发生了突变,呈现6 a和10 a左右的周期特征,其周期变化与ENSO和太阳黑子活动有着一定的联系。

基于重标极差分析的基坑监测数据处理

基坑工程监测是工程施工过程中的重要保证,其中,对监测数据进行分析是很重要的一环。以某工程基坑监测中的坡顶竖向位移监测数据为例,利用重标极差分析方法,按照时滞的变化,逐步计算时间序列一次差分序列的均值。然后,基于均值计算对于不同时滞的极差和标准差,利用标准差对累计离差的极差进行标准化,得到极差和标准差的比值。如果比值序列随时滞呈现幂率分布的趋势,则幂值就是Hurst指数。最后,根据Hurst指数,判断监测数据序列暗示的系统变化趋势。

重标极差分析法预测径流量问题探究

对重标极差分析法预测径流量时的问题进行了分析,结果表明:对于长程样本时间序列,重标极差分析法的结果非常可靠,但对于趋势显著、时间序列样本较少的物理过程,其对过程趋势的描述存在"强化作用",运用配分函数可以验证这一推测。因此,在运用R/S分析法进行时程数据分析时,除要注意数据量的多少外,还要注意ln(R/S)—lnε图形的形态,当该曲线存在V形转折但H接近1时,应检查数据的结构性特征,以确定是否存在被掩饰的逆向过程。

基于重标级差分析的时间序列分割方法

针对重标级差分析法(Rescaled Range Analysis,R/S)在时间序列挖掘中的应用,提出了一种基于R/S分析的时间序列分割模型和算法,该算法能够根据序列波动的聚集性和自相似的特征,将序列分割为多个子序列。实验结论表明该方法可以发现时间序列的波动变化规律,方法有效、正确。

用经验模式分解和重标极差分析法进行摩擦振动信号分析

为提取和表征摩擦振动的特征信号,在摩擦磨损试验机上进行以船用柴油机缸套和活塞环为材质的摩擦副摩擦磨损试验.应用经验模式分解(Empirical Mode Decomposition,EMD)对非线性、非平稳的摩擦振动信号进行分解,获得若干个本征模式函数(Intrinsic Mode Function,IMF).从中选择反映摩擦振动特征的IMF重新合成摩擦振动特征信号,应用重标极差分析法对摩擦振动特征信号进行分析,得到线性回归谱和Hurst指数.结果表明,EMD能够实现摩擦振动特征信号的提取,重标极差分析法可以分析摩擦振动信号的渐变过程,提取摩擦振动信号的特征.该方法可为基于摩擦振动信号的机械摩擦副摩擦磨损行为的研究提供新的途径.

基于重标极差分析法研究上海股票市场个股的分形特征

利用R/S方法分析上海股票市场天目药业和青岛海尔两只股票的开盘价、收盘价、最高价、最低价、成交额和成交量的分形特征,研究表明:同一支股票的价格分形维数和循环周期相同,同一支股票的成交额和成交量的分形维数不相等但具有相同的循环周期。股票具有三个分形维数,成交量的分形维数最大,成交额的分形维数次之,价格分形维数最小。

域重标分析的算法及性质

域重新标度分析是研究时间序列自相似性的重要方法。本文通过研究域重标分析的算法，指出了用“均分法”或本文首次提出的“随机法”具有精度高、算法简单的优点。为分析非均匀间隔时间序列，将域重标分析法作了推广，甚至可以用于分析一元连续函数的自仿射性。并研究了“屏蔽效应”产生的原因及其对分析的影响。

基于重标极差分析的受载砂岩声发射特征研究

为了研究砂岩破坏过程中时间序列各个阶段声发射信号的响应规律,开展了砂岩单轴压缩试验。基于重标极差时间序列分析,得出了砂岩破坏过程中声发射计数时间序列的Hurst指数和分形维数。试验及分析结果表明,声发射信号与砂岩内部裂纹演化有很好的对应性;砂岩破坏的声发射信号时间序列遵循重标极差统计规律及分形规律,在时间序列的各个子区间内,Hurst指数值均大于1/2,呈现持久性,即随着时间的增加,产生的声发射信号呈现增长趋势;分形维数具有下降-上升-下降的特点,并在砂岩破坏时达到最低,这种变化趋势与砂岩内部微裂纹的发展情况一致。

国内外黄金市场收益长记忆性比较研究——基于重标方差分析法

利用重标方差分析法,对比研究英国伦敦和中国上海黄金市场收益的长记忆性的结果表明:对于不同的q值,国内外黄金市场日收益率都存在显著的长记忆性。相比较而言,英国伦敦黄金市场日收益率的长记忆性更强。产生这一现象的深层原因在于我国黄金价格形成机制受到了较多的政府调控,而并不能简单地说我国黄金市场的效率高于英国伦敦黄金市场。

霍乱毒素B亚单位结合胶体金逆行标认神经元的非荧光三重标记法

霍乱毒素Ｂ亚单位结合胶体金逆行标认神经元的非荧光三重标记法石葛明，谭会兵，万选才（中国医学科学院，中国协和医科大学基础医学研究所，北京１００００５）特定标认神经元复合免疫细胞化学的双标是神经解剖学常用的方法［１］，最近我们建立了霍乱毒素Ｂ亚单位结合胶...

基于Mann-Kendall检验和重标极差分析的水质变化趋势

将Mann-Kendall检验和重标极差(R/S)分析相结合,建立了一套综合分析过去和未来水质变化趋势的方法。首先,用季节性Mann-Kendall检验识别水质时间序列的过去变化趋势;然后,用R/S分析方法计算水质时间序列的Hurst指数(IH),0<IH<0.5、0.5<IH<1.0和IH=0.5分别指示反持续性、持续性和白噪声特征;最后,结合水环境保护规划和进展综合推断水质的未来变化趋势。基于2010—2014年珊溪水库及其6条入库支流TN浓度和CODMn,对该方法进行实例研究。结果表明,未来大部分支流的水质将会停止恶化或得到持续改善,然而水库TN浓度仍无明显下降趋势。水库对TN的滞留效应较强,且污染来源较多,水质的根本性改善将是一个长期的过程。除了继续控制入库支流污染,还要控制消落带污染和内源污染。

基于重标极差分析法研究城市住宅销售价格指数

针对住宅销售价格时间序列的特征问题,文中对长春市的住宅销售价格指数进行了时间序列研究,利用重标极差分析法计算其赫斯特指数,得出城市住宅销售价格指数具有多重分形结构,并有长久记忆性.

用重标极差法分析我国汇率市场的有效性

重标极差分析法取自混沌数学。近年来重标极差分析法和分形理论主要应用于分析金融市场以及股票市场。作者将重标极差分析法应用于汇率市场,参考相关数据和程序,通过计算软件高斯(GAUSS)将Hurst指数加以计算,得出中国汇率市场效率较低的结论,并运用打乱序列的方法验证了相关分析的准确性。

基于季节性Kendall检验和重标极差分析法的阳澄湖水质变化趋势分析

为掌握《苏州市阳澄湖生态优化行动实施方案》实施以来阳澄湖的水质变化趋势,结合季节性Kendall检验与重标极差分析(R/S)法,对2013-2018年阳澄湖及其6条主要入湖河道的主要水质指标--高锰酸盐指数(IMn)、氨氮(AN)、总磷(TP)、总氮(TN)过去和未来的水质变化趋势进行分析及预测。研究结果表明:(1)阳澄湖除TP无显著升降趋势外,其余指标均有不同程度的下降趋势;(2)主要入湖河道的TN均无显著升降趋势,其余指标的改善效果较明显;(3)未来阳澄湖及主要入湖河道水质总体将会持续改善,但有个别监测点位的TP浓度未来仍有可能会上升。可见,近年来阳澄湖生态优化行动卓有成效,但TP已成为影响水质达标的最大制约因素,还需进一步提出针对性治理措施。

矿井涌水量重标极差法等维预测模型

目前,矿井涌水量预测方法较多,但预测效果并不十分理想。为了提高预测的精度和速度,鉴于重标极差法对复杂系统演变分析和预测具有的独特优势,建立基于MATLAB的重标极差法涌水量等维预测模型,采用试算法确定涌水量时间序列的后续最佳取值。利用平顶山天安煤业股份有限公司八矿的涌水量资料对模型进行验证,结果表明:该矿涌水量时间序列的Hurst指数H=0.968,涌水量序列均具有很强的持续性;平均循环周期为17个月;建立的模型预测精度达到了98.43%,说明此模型对该矿涌水量的预测十分有效。利用MATLAB软件编写的重标极差法预测涌水量的程序,避开了繁琐的计算,提高了预测速度和精度。