基于Copula的相关时间序列水平可见性图解析结果
数据分析、统计与概率
2025-08-13 v1
摘要
可见性图（VG）算法及其变体在时间序列分析中得到了广泛研究，因为它们将时间序列转换为节点和链接的网络，从而能够用度分布等网络度量来表征时间序列。尽管VG在各个学科中有大量实际应用，但由于缺乏以可处理形式对时间序列中的相关结构进行建模的数学工具，对相关时间序列的VG的严格解析理解仍远未完成。在这项工作中，我们采用Farlie-Gumbel-Morgenstern（FGM）Copula方法，推导了相关时间序列的水平可见性图（HVG）及其有向版本（DHVG）的度分布的解析解。我们的解析结果精确地显示了连续数据点之间的相关性如何影响HVG和DHVG的度分布，直至FGM Copula中相关参数的一阶项。因此，我们的发现为严格理解VG算法提供了启示。
引用
@article{arxiv.2508.08934,
title = {Copula-based analytical results of horizontal visibility graphs for correlated time series},
author = {Jeong-Min Lee and Hang-Hyun Jo},
journal= {arXiv preprint arXiv:2508.08934},
year = {2025}
}
备注
9 pages, 3 figures