提出一种改进的递归图技术，用于计算基于递归微态的熵值(entropy based on recurrence microstates, ENRM)。该方法使用滚动窗口的方式来遍历递归矩阵的子矩阵，能够在保证原有算法精度的基础上大幅提高计算效率，通过Logistic模型进...
详细信息
提出一种改进的递归图技术，用于计算基于递归微态的熵值(entropy based on recurrence microstates, ENRM)。该方法使用滚动窗口的方式来遍历递归矩阵的子矩阵，能够在保证原有算法精度的基础上大幅提高计算效率，通过Logistic模型进行模拟实验。结果表明，基于该改进递归图技术的模型具有更高的计算效率和精度。此外，ENRM关于市场有效性的研究结果表明，使用ENRM与传统的递归图指标递归熵(entropy, ENTR)相结合来分析市场有效性时，不仅具有ENTR单指标量化市场有效性的作用，还能有效识别并进行市场有效性呈动态性演化的时间段。
协方差函数在描述信号时域特征和空间相关结构等方面发挥着关键作用.近年来,许多文献研究了协方差函数的非参数估计问题.然而大部分的非参数协方差函数估计量常常无法保证正定性.为克服上述困难,本文在平稳随机过程背景下,首先研究无约束条件的B样条协方差函数估计量的渐近性质;在此基础上,基于完全单调函数与B样条基函数的关系,构造带有约束条件的B样条协方差函数估计量,此估计量满足正定性.然后,通过研究带约束条件的B样条与无约束条件的B样条协方差函数估计量的关系,建立带约束条件的B样条协方差函数估计量的渐近性质.通过数据仿真模拟实验发现,本文所提出的估计量具有优异的正定性和平均均方误差(average mean squared error,AMSE)表现.最后,本文给出加拿大气温数据和澳大利亚电力需求数据中的正定协方差函数估计量.
暂无评论