MF-DFA算法步骤.docVIP

MF-DFA算法步骤： （1）对于长度为N的时间序列 xk, k 1, 2,…, N 构造去均值的和序列： ， 式中 （2）将新序列Y i 划分为长度为s的Ns个不相交的区间（即改变时间尺度），其中Ns int N/s 。为了保证序列Y i 的信息在划分过程中不至于丢失，对Y i 按照i由小到大和由大到小各划分1次，这样，共得到2Ns个区间。 （3）对每个区间v（v 1, 2,…, 2Ns）内的s个点，用最小二乘法进行k阶多项式拟合，得到 （2） （4）计算均方误差 当时 （3） 当时 （4） （5）对于2Ns个区间，求的均值，得到q阶波动函数 （5） 式中q可取任意不为零的实数。当q 0时，波动函数为 （6）Fq s 是关于数据长度s和分形阶数q的函数，随着s的增大，Fq s 呈幂律关系增加，即，当q 2时，Fq s 就是标准的DFA。H h q 就是赫斯特指数，因此这里h q 称作广义赫斯特指数。当原始序列为单一分形时，均方误差在所有长度为s的区间标度是一致的，因此h q 为独立于q的一个常数；当h q 随q变化时， xk 展现多重分形特性。当h 2 0.5时，原始时间序列 xk 为一独立过程或者短程相关；当0.5＜h 2 ≤1时，该序列存在长程相关性；当h 2 ＜0.5时，该序列存在负长程相关性，即反持久性。有如下关系： （7） 根据Legendre变换式： （8）