分形维数的数学基础及对上海股票市场溷沌分形特性的实证分析；.pdfVIP

四川大学硕士学位论文 2,…，m对所有盒子求和，这样上式变为 C(s)=11Ph(i)Y-EP6(i)= 二Y-Phz N N1ENhph 只要我们对盒子重新编号，上 式 可 写 成 = 勺 片 白 C(s) 由式 (2.13)关联维数 InC(e) lim lim 11iLI 一 一一 ILlli一 — — — D,= E-,0 Ins s-.0 Ins 这与9=2时的 ((2.15)式完全一样，证毕。 由此可见容量维D}.、信息维D,、关联维D,都是广义分形维几的特例。 第三章 时序数据常用分形维数的估计算法 3.1R/S分析与赫斯特 (Hurst)指数 在对经济、金融时序数据的分析研究中，常把某些变量的的采样数据看作 布朗运动的轨迹，即该变量在统计理论中服从随机游走，是一个具有独立乎稳 增量，并且具有有限方差的随机过程。然而如果该变量随时间变化的增量过程 不独立的话，则可能会导致一个有偏的随机游走 (增量服从正态分布，但彼此 不相互独立的随机过程)。也叫分数布朗运动，其运动轨迹极不平滑，变化剧烈， 是分形曲线。 水文专家赫斯特在20世纪40年代全面研究了有偏随机游走。赫斯特曾度 量了水位是如何围绕其平均水平涨落，结果发现水位涨落的极差依赖于度量的 时间长度，如果时间序列是随机的，那么极差应该随时间的平方根增加。为了 使该度量在时间上标准化，赫斯特用观察值的标准差去除极差建立一个无量纲 的比率，提出了一个重要的系数:Hurst指数H。这种分析方法称为重标极差分 析法 (RescaledRangeAnalysis,R/S分析法)。在上世纪60年代和70年代， 分形几何的创始人芒德勃罗 (Mandelbrot)，对有偏随机游走再次做了全面研究， 芒德勃罗把它称作分数布朗运动，认为H的到数就是分形维数Dgl 利用赫斯特给出的R/S分析方法，可以估算出Hurst指数，从而方便的得 到分数布朗运动的分形维数。Hurst指数H对所有时间序列曲线都有着广泛的应 四川大学硕士学位论文 用，因为它对被研究的时间序列系统做的假设很少，分布的方差可以是无限大 的，并且在估计H时没有对序列分布形状作任何假定。因此我们可以将Hurst 对自然现象随机序列的研究方法与手段，推广到经济、金融市场中时间序列数 据的研究上，估计时间序列曲线的Hurst指数H,求出时序数据曲线的分形维数 DoD值反映了变量随时间变化的激烈程度及其运动轨迹的不平滑程度，有助 于认识时序数据曲线的变化特性，为进一步开展定量建模分析，预测变量的未 来趋势提供帮助。 如何估计Hurst指数呢?首先要定义一个与水库水位的涨落类似的N个期 间的累积离差序列X, X,.、二艺(e。一M,) t=1,2,3,.--,No 这里，e,，表示年“的流入量，M、表示N个期间e,的平均值。 其次，定义出时间间隔为N的极差R: R=max(X,,,,)一min(戈，) 式中，max(X,.,)表示X,、的最大值，min(X,,v)表示X,、的最小值。 为了比较不同类型的时间序列，Hurst用原来观测值的标准差S去除极差Ro 这个 “重标极差”应该随时间增加。Hurst建立了以下关系: RIS=(aN) 式中，RIS表示重标极差，N表示观察次数，a表示常数，H表示Hurst指数。 据统计学原理，如果序列是一个随机游走过程，H的值应该为0.5，即累积离 差的极差应该随时间间隔N的平方根增加，当H不等于0.5时，时间序列观测