基于复杂网络的时间序列双变量联动波动

计算物理 ›› 2014, Vol. 31 ›› Issue (6): 742-750.

基于复杂网络的时间序列双变量联动波动

安海岗

石家庄经济学院管理科学与工程学院, 石家庄 050031

收稿日期:2013-11-25 修回日期:2014-04-02 出版日期:2014-11-25 发布日期:2014-11-25
作者简介:安海岗(1980-),男,博士,从事复杂系统与复杂项目管理研究,E-mail:anhaigang@163.com
基金资助:
国家自然科学基金(71173199);国土资源部资源环境承载力评价重点实验室和河北省重点学科技术经济及管理联合资助

Linkage Fluctuation in Double Variables of Time Series Based on Complex Networks

AN haigang

Management Science and Engineering,Shijiazhuang University of Economics, Shijiazhuang 050031, China

Received:2013-11-25 Revised:2014-04-02 Online:2014-11-25 Published:2014-11-25

摘要/Abstract

摘要： 选择伦敦金与Au9999下午收盘价格作为样本数据研究时间序列双变量之间的联动波动规律.依据粗粒化方法,将伦敦金与Au9999价格的联动波动状态转化为由5个{P,N,M}字符组成的字符串,每个字符串代表5天的价格联动波动模态.将模态作为节点,模态之间的转化为边,构建价格联动波动复杂网络.运用复杂网络理论对时间序列双变量联动波动模态的统计、变化规律和演化机制进行分析.结果表明:时间序列双变量联动波动模态分布具有幂律性、群簇性和周期性,其联动波动模态主要通过少数几种模态进行转换与演化.本方法不仅可以研究不同类型时间序列双变量联动波动,同时可为多变量联动波动研究提供思路.

关键词: 复杂网络, 粗粒化, 联动波动, 时间序列

Abstract: To study linkage fluctuation of double variables of time series,we took London Gold and Au9999. Model of linkage fluctuation is consisted of characters {P,N,M},using coarse graining process. Nodes of complex network are 5-symbol strings. Linkage fluctuation complex network is composed of all models and link edges between them. It indicates that models have power-law distribution,clustering and periodicity. Transmission and evolution are finished mainly by few models. It provides an analyzing method for many kinds of double variables of time series and ideas for general law of multi-variables of time series,as well.

Key words: complex networks, coarse-grained, linkage fluctuation, time series

中图分类号:

N945.2

安海岗. 基于复杂网络的时间序列双变量联动波动[J]. 计算物理, 2014, 31(6): 742-750.

AN haigang. Linkage Fluctuation in Double Variables of Time Series Based on Complex Networks[J]. CHINESE JOURNAL OF COMPUTATIONAL PHYSICS, 2014, 31(6): 742-750.

[1]	付韬, 邬龙, 李晨光. 基于生成函数方法的现实网络座键渗流建模[J]. 计算物理, 2022, 39(2): 212-222.
[2]	张少泽, 邹艳丽, 谭秫毅, 李浩乾, 刘欣妍. 基于复杂网络理论的互联电网Braess悖论现象分析[J]. 计算物理, 2022, 39(2): 233-243.
[3]	李浩乾, 邹艳丽, 张少泽, 刘欣妍, 谭秫毅. 基于复杂网络的电网结构健壮性及Braess悖论现象研究[J]. 计算物理, 2021, 38(4): 470-478.
[4]	王意, 邹艳丽, 黄李, 李可. 综合考虑局部和全局特性的电网关键节点识别[J]. 计算物理, 2018, 35(1): 119-126.
[5]	范文礼, 刘志刚. 一种基于效率矩阵的网络节点重要度评价算法[J]. 计算物理, 2013, 30(5): 714-719.
[6]	段芳莉, 颜世铛. 半晶态聚合物的分子动力学模拟[J]. 计算物理, 2012, 29(5): 759-765.
[7]	唐圣学, 陈丽, 黄姣英. 关联复杂网络建模及辨识研究[J]. 计算物理, 2012, 29(2): 308-316.
[8]	张佃中. Lempel-Ziv复杂度算法中粗粒化方法分析及改进[J]. 计算物理, 2008, 25(4): 499-504.
[9]	常文渊, 戴新刚, 封国林. 克立格法在时间域上做外延预报的可行性[J]. 计算物理, 2006, 23(3): 335-342.
[10]	赵贵兵, 石炎福, 段文锋, 余华瑞. 从混沌时间序列同时计算关联维和Kolmogorov熵[J]. 计算物理, 1999, 16(3): 309-315.
[11]	刘健文, 董佩明, 李耀东, 王炳仁, 金维明. 从混沌信号中识别振荡分量的一种算法[J]. 计算物理, 1997, 14(S1): 592-594.
[12]	杨志安, 陈式刚. 动力系统时间延迟重构变换的行为[J]. 计算物理, 1996, 13(3): 315-322.