×
赵晓军;尚、彭健;王静

测量单个子系统的不对称贡献。 （英语） Zbl 1331.91141号

非线性动力学。 78，第2期，1149-1158（2014）.
概述：通过测量单个子系统之间交换信息的速率以及它们对信息生成的贡献程度，可以获得关于复杂系统结构的信息。在本文中，我们使用相对传递熵来分析非对称信息流从一个子系统到另一个子系统的贡献。我们还提出了信息论工具来估计单个子系统随着时间的推移对系统信息生产的贡献。一方面，我们分析了人工过程，包括单向耦合的线性过程、单向耦合的Rössler系统和双向耦合的Hénon映射，这些映射揭示了变量之间的信息流以及每个变量对信息产生的贡献。另一方面，我们将这些度量应用于真实系统，即揭示高频股价和交易量之间相互作用的股票市场。

引用于三文件

理学硕士：

91B84号 经济时间序列分析
94甲17 信息的度量，熵
91B55型 经济动态
90B18号机组 运筹学中的通信网络
37A35型 熵和其他不变量、同构、遍历理论中的分类

关键词：

传递熵;熵率;不对称贡献

软件：

IOTA公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Zhao}等，非线性动力学。78，第2号，1149--1158（2014；Zbl 1331.91141）
全文： 内政部

参考文献：

[1] Schmitt，T.A.、Chetalova，D.、Scháfer，R.、Guhr，T.：金融时间序列中的非静态性：一般特征和尾部行为。EPL 103、58003（2013）·数字对象标识代码：10.1209/0295-5075/103/58003
[2] Wang，J.，Shang，P.，Zhao，X.，Xia，J.：交通时间序列的多尺度熵分析。国际期刊修订版。物理学。C 241350006（2013）·doi:10.1142/S012918311350006X
[3] Gieraltowski，J.，Zebrowski，JJ.，Baranowski，R.：心率变异性记录的多尺度多重分形分析，大量心律失常发生。物理学。版本E 85，021915（2012）·doi:10.103/物理版本E.85.021915
[4] Costa，M.，Goldberger，A.L.，Peng，C.K.：复杂生理时间序列的多尺度熵分析。物理学。修订稿。89, 068102 (2002) ·doi:10.1103/PhysRevLett.89.068102
[5] Machado，J.A.T.：金融指数的复杂动态。非线性动力学。74, 287-296 (2013) ·doi:10.1007/s11071-013-0965-x
[6] Hamilton，J.D.：时间序列分析。普林斯顿大学出版社，普林斯顿（1994）·Zbl 0831.62061号
[7] Shi，W.，Shang，P.：作为股票市场同步性和相互关联性度量的交叉样本熵统计。非线性动力学。71539-554（2013年）·doi:10.1007/s11071-012-0680-z
[8] Lin，A.，Shang，P.，Zhao，X.：基于DCCA和时滞DCCA的股市相互关系。非线性动力学。67, 425-435 (2012) ·doi:10.1007/s11071-011-9991-8
[9] Kantz，H.，Schreiber，T.：非线性时间序列分析。剑桥大学出版社，剑桥（2004）·Zbl 1050.62093号
[10] Jamšek，J.，Paluš，K.，Stefanovska，A.：检测具有时变基频的相互作用振荡器之间的耦合：瞬时小波双谱和信息论方法。物理学。版本E 81，036207（2010）
[11] Pandini，A.，Fornili，A.，Fraternali，F.，Kleinjung，J.：通过蛋白质动力学的信息理论分析检测变构信号传递。FASEB J.26，868-881（2012）·数字对象标识码：10.1096/fj.11-190868
[12] Butail，S.、Ladu，F.、Spinello，D.、Porfiri，M.：动物-机器人交互中的信息流。熵16，1315-1330（2014）·doi:10.3390/e16031315
[13] Batina，L.、Gierlichs，B.、Prouff，E.、Rivain，M.、Standaert，F.X.、Charvillon，N.V.：相互信息分析：综合研究。J.加密。24, 269-291 (2011) ·Zbl 1239.94032号 ·doi:10.1007/s00145-010-9084-8
[14] Joe，H.：多元相关性的相对熵度量。J.Am.Stat.Assoc.84，157-164（1989）·Zbl 0677.62054号 ·doi:10.1080/01621459.1989.10478751
[15] De Boer，P.T.、Kroese，D.P.、Mannor，S.、Rubinstein，R.Y.：交叉熵方法教程。安·Oper。第134、19-67号决议（2005年）·Zbl 1075.90066号 ·doi:10.1007/s10479-005-5724-z
[16] Liu，L.，Qian，X.，Lu，H.：外汇时间序列的交叉样本熵。《物理学A》3894785-4792（2010）·doi:10.1016/j.physa.2010.06.013
[17] Zunino，L.，Zanin，M.，Tabak，B.M.，Pérez，D.G.，Rosso，O.A.：复杂熵因果平面：量化股市无效性的有用方法。《物理学A》3891891-1901（2010）·doi:10.1016/j.physa.2010.01.007
[18] Schreiber，T.：测量信息传递。物理学。修订稿。85, 461 (2000) ·doi:10.103/PhysRevLett.85.461
[19] Marschinski，R.，Kantz，H.：分析金融时间序列之间的信息流：转移熵的改进估计量。欧洲物理学。J.B.30，275-281（2002）·doi:10.1140/epjb/e2002-00379-2
[20] Kwon，O.，Yang，J.-S.：股票指数之间的信息流。欧罗普提斯。莱特。82, 68003 (2008) ·doi:10.1209/0295-5075/82/68003
[21] Shannon，C.E.，Weaver，W.：信息的数学理论。伊利诺伊大学出版社，香槟（1949）·Zbl 0041.25804号
[22] Cover，T.，Thomas，J.：信息理论的要素。约翰·威利父子（John Wiley and Sons，Hoboken）（1991年）·Zbl 0762.94001号 ·doi:10.1002/0471200611
[23] Podobnik，B.，Stanley，H.E.：去特伦德互相关分析：分析两个非平稳时间序列的新方法。物理学。修订稿。100, 084102 (2008) ·doi:10.1103/PhysRevLett.100.084102
[24] Hempel，S.、Koseska，A.、Kurths，J.、Nikoloski，Z.：从短时间序列推断定向网络的内部成分对齐。物理学。修订稿。107, 054101 (2011) ·doi:10.1103/PhysRevLett.107.054101
[25] Plerou，V.、Gopikrishnan，P.、Rosenow，B.、Amaral，L.A.N.、Stanley，H.E.：金融时间序列中交叉相关性的普遍性和非均匀性。物理学。修订稿。83, 1471 (1999) ·doi:10.1103/PhysRevLett.83.1471
[26] 赵，X.，尚，P.，黄，J.：时间序列的排列复杂性和相关性度量。EPL 102，40005（2013）·doi:10.1209/0295-5075/102/40005
[27] Granger，C.W.J.：通过计量经济学模型和交叉谱方法研究因果关系。计量经济学37424（1969）·Zbl 1366.91115号 ·doi:10.2307/1912791
[28] Marinazzo，D.，Pellicoro，M.，Stramaglia，S.：非线性Granger因果关系的核方法。物理学。修订稿。100, 144103 (2008) ·doi:10.1103/PhysRevLett.100.144103
[29] Lungarella，M.，Ishiguro，K.，Kuniyoshi，Y.，Otsu，N.：国际期刊，分会。，量化二元时间序列因果结构的方法。《混沌》17，903-921（2007）·Zbl 1141.37367号
[30] Faes，L.、Porta，A.、Nollo，G.：测试多元时间序列中的频域因果关系。生物识别。工程师IEEE交易。57/1897-1906（2010）·doi:10.1109/TBME.2010.2042715
[31] Kullback，S.：信息理论与统计学。纽约威利（1959）·Zbl 0088.10406号
[32] Takes，F.：动力系统和湍流。柏林施普林格（1981）·Zbl 0513.58032号
[33] 盖根，D.，Mercier，L.：混沌时间序列中的预测：方法和与金融日内数据应用的比较。欧洲金融杂志。11, 137-150 (2005) ·网址：10.1080/13518470110074846
[34] Abarbanel，D.I.：对观测到的混沌数据的分析。斯宾格，纽约（1996）·Zbl 0890.93006号 ·doi:10.1007/978-1-4612-0763-4
[35] Bandt，C.，Pompe，B.：置换熵：时间序列的自然复杂性度量。物理学。修订稿。88, 174102 (2002) ·doi:10.1103/PhysRevLett.88.174102
[36] Paluš，M.，Vejmelka，M.：双变量时间序列耦合的方向性：如何避免虚假因果关系和缺失连接。物理学。版本E 75，056211（2007）·doi:10.1103/PhysRevE.75.056211
[37] Podobnik，B.，Horvatic，D.，Petersen，A.M.，Stanley，H.E.：数量变化和价格变化之间的交叉相关性。程序。国家。阿卡德。科学。106, 22079-22084 (2009) ·Zbl 1203.91208号 ·doi:10.1073/pnas.0911983106
[38] Zhao，X.，Shang，P.，Wang，J.：关于股票时间序列有序模式的信息交互测量。物理学。版本E 87，022805（2013）·doi:10.1103/PhysRevE.87.022805
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。