利用递归网络分析长程相关随机过程：潜力与陷阱
数据分析、统计与概率
2015-03-05 v1
摘要
长程相关过程无处不在，范围从气候变量到金融时间序列。此类过程的一个范式例子是分数布朗运动 (fBm)。在这项工作中，我们强调了将最近提出的递归网络 (RN) 方法应用于 fBm 及相关随机过程时的潜力，以及概念上和实际上的局限性。特别是，我们证明了先前将 RN 分析应用于 fBm 的结果（Liu \textit{et al.,} Phys. Rev. E \textbf{89}, 032814 (2014)）主要是由于不恰当的处理，忽略了此类过程固有的非平稳性。作为补充，我们分析了密切相关的平稳分数高斯噪声 (fGn) 过程的一些 RN 性质，发现所得的网络性质定义良好，且表现符合基本概念考量。我们的结果表明，只要适当选择其内在的方法论参数，RN 分析确实能为平稳随机过程提供有意义的结果，而对于像 fBm 这样的非平稳随机过程，它则难以唯一地提取 RN 性质。
引用
@article{arxiv.1409.3613,
title = {Analyzing long-term correlated stochastic processes by means of recurrence networks: Potentials and pitfalls},
author = {Yong Zou and Reik V. Donner and Jürgen Kurths},
journal= {arXiv preprint arXiv:1409.3613},
year = {2015}
}
备注
8 pages, 6 figures