Upload
bonner
View
46
Download
0
Embed Size (px)
DESCRIPTION
SENAMEK. Sebastian Michalski Szkoła Główna Handlowa Warszawa, 25.05.2004 [email protected]. Estymatory parametru samoafiniczności procesów o długiej pamięci. Microsoft PowerPoint 2003 Poprzednie wersje mogą nie wyświetlać animacji. Wymiar przestrzeni euklidesowej. - PowerPoint PPT Presentation
Citation preview
Estymatory parametru samoafiniczności procesów o długiej pamięci
Sebastian Michalski
Szkoła Główna HandlowaWarszawa, 25.05.2004
Microsoft PowerPoint 2003Poprzednie wersje mogą nie wyświetlać animacji
SENAMEK
Wymiar przestrzeni euklidesowejLiczba przypisana (zbiorowi) przestrzeni w taki sposób, aby punkt miał wymiar = 0,prosta wymiar = 1,płaszczyzna wymiar = 2;przestrzeń = 3.
Liczba współrzędnych niezbędnych do określenia położenia punktu w zbiorze.
W algebrze liniowej:n = dim(V) liczba będąca mocą jej bazy — n liniowo niezależnych wektorów rozpinających przestrzeń, a dowolny układ n+1 wektorów jest liniowo zależny.
Uogólnienie pojęcia przestrzeni metrycznej:
Przypisanie przestrzeni (zamiast odległości) rodziny zbiorów (topologii), którą stanowią sumy (również nieskończone) kul otwartych (zbiorów punktów odległych od środka o mniej niż promień)
Przestrzeń topologiczna
Wymiar topologiczny – wymiar pokryciowy
Henri LebesquePokrycie obiektu przez DE wymiarowe kule o odpowiednio małym promieniu wymaga niepustego przecięcia minimalnie DT+1 kul.
[Addison,1997]
Homeomorfizm to funkcja z jednej przestrzeni topologicznej w drugą mająca następujące własności:
wzajemna jednoznaczność (bijekcja)ciągłość (przeciwobraz dowolnego zbioru otwartego w Y
jest zbiorem otwartym w X)otwartość (obraz dowolnego zbioru otwartego jest
zbiorem otwartym)
Przestrzeń topologiczna
Zachowanie własności homeomorficznych przestrzeni
Przekształcenie, które może dowolnie rozciągać i wyginać obiekt, ale które nie może robić w nim "dziur" ani go rozrywać. Liczba „dziur” i przecięcie są niezmiennikami – nie mogą zostać zniszczone ani utworzone.
Przestrzeń topologiczna
Przykład:
Przestrzeń topologiczna
A R (A jest homeomorficzne z R)B 8C I J L G V Z S W N M 2 3 5 7E F T YD O 0P 9HKX4
Przykład:Litery i cyfry pogrupowane w klasy równoważności homeomorfizmu
Wymiar fraktalny
Georg Ferdinand Ludwig Philipp Cantor
1878 – bijektywne, ale nie ciągłe przekształcenie z odcinka jednostkowego [0,1] w kwadrat jednostkowy [0,1] x [0,1]
1890 - Giuseppe Peano
1891 - David Hilbert
ciągłe, surjektywne ale nie injektywne przekształcenie z odcinka jednostkowego [0,1] w kwadrat jednostkowy [0,1] x [0,1]
Wymiar fraktalny
Luitzen Egbertus Jan Brouwer1911 – dowód: nie istnieje n wymiarowa jednostkowa
kostka In = [0,1]n , która jest homeomorficzna z kostką m wymiarową Im = [0,1]m , n ≠ m.
Felix Hausdorff1919 – wymiar Hausdorffa
Benoit Mandelbrot1977 – fraktal: obiekt, dla którego wymiar Hausdorffa
przekracza jego wymiar topologiczny
Wymiar fraktalny
Wymiar samopodobieństwa
Mierzy ilość przestrzeni wypełnionej przez obiekt
Dzielimy hiperprzestrzenny V* obiekt na N jednakowych części, które są samopodobne (miniatury całości) o długości ε.
[Strecker, 2004]
Wymiar fraktalny
Wymiar samopodobieństwa
Przykład: Zbiór Cantora (1873)
Wymiar fraktalny
Wymiar pojemnościowy, pudełkowy (box-counting)
Wymiar fraktalny
Wymiar pojemnościowy, pudełkowy (box-counting)
Ruch Browna i ułamkowy ruch BrownaRuch Browna to funkcja B(t), taka że, dla Δt
ΔB(t) są: niezależne, izotropiczne, losowe.
H=1/2 dla ruchu Browna
Stopień zintegrowania:
Wymiar fraktalny:
Ruch BrownaH=1/2
1827 – R. Brown
1900 – L.Bachelier
1905-06 A. Einstein i M. Smoluchowski
1923 – N. Wiener
H>1/2H<1/2
Ułamkowy ruch Browna
ścieżki
Ułamkowy ruch Browna
Ułamkowy szum gaussowski
Samopodobieństwo a samoafiniczność
Estymatory H
Analiza przeskalowanego zakresu R/S
Analiza dyspersionalna (dla fGn)
Metoda wymiaru fraktalnego
Analiza przeskalowanej wariancji w oknie
Metody spektralne
Estymatory autokorelacyjne
Estymatory H
Partycje i okna
D.C. Caccia, D. Percival, M.J. Cannon, G. Raymond, J.B. Bassingthwaighte, 1997
m obserwacji
k=1 k=2
Przeskalowany zakres R/S
[H.E. Hurst , 1951]
[B.B. Mandelbrot, J.R. Wallis,1968]
[H.E. Hurst, R.P. Black, Y.M. Simaiki, 1965]
[A.A. Annis, E.H. Lloyd, 1976]
[J. Purczyński, 2003]
Modyfikacje
z trendem, bez trendu
10-point pox, Multipox
Lo, 1991
[W. Feller , 1951]
Przeskalowany zakres R/S
Przeskalowany zakres R/S
Analiza dyspersjonalna
Metoda absolutnych momentów (AM)
n=1: metoda absolutnej średniej
n=2: metoda zagregowanej wariancji
J.B. Bassingthwaighte, R.B. King, S.A. Roger, 1989H.E. Schepers, J.H.G.M. van Beek, J.B. Bassingthwaighte, 1992D.C. Caccia, D. Percival, M.J. Cannon, G. Raymond, J.B. Bassingthwaighte, 1997
Zmiany strukturalne – skoki „średniej” i powoli wygasające trendy jako pozorna długa pamięć: wykładnicza AM o ujemnym wyrazie wolnym
[Teverovsky, Taqqu, 1997]
Różnicowanie wariancji + AM (DW+AM)
Metoda Wymiaru Fraktalnego – Higuchi’ego (H)
[T. Higuchi, 1988, 1990]
Scaled Windowed Wariance - Standard (SWV-S)[B.B. Mandelbrot, 1985]
Average Genralized Roughness (AGR)[J.G. Moreira, J. Kamphorst Leal da Silva, S.O. Kamphorst, 1994]
Variable Bandwidth Method (VBM)[J. Schmittbuhl, J.P. Vilotte, and S. Roux, 1995]
Scaled Windowed Wariance - Linear Detrended (SWV-L)[B.B. Mandelbrot, 1985]
Detrended Fluctuation Analysis (DFA)[C.K. Peng, S.V. Buldyrev, M. Simons, H.E. Stanley, A.L. Goldberger, 1994]
Roughness Around the Root Mean Square Line (RARMSL)[J.G. Moreira, J. Kamphorst Leal da Silva, S.O. Kamphorst, 1994]
Residuals of Regression[M.S. Taqqu, V. Teverovsky, W. Willinger, 1995]
Metody spektralneMetoda periodogramu
GPH [J. Geweke, S. Porter-Hudak,1983]
f – częstotliwość, (najmniejszych 10%)
Zmodyfikowana metoda periodogramu (MP)
Częstotliwości są grupowane w równoodległe na skali log-log grupy i uśredniane. Estymacja: ucięta MNK (least-trimmed) – użycie połowy najmniejszych reszt (nie spełnia oczekiwań)
[Taqqu, Teverovsky, Willinger 1996,1997]
Metoda zwężonego periodogramu (tapered) (TGPH)
Zmiany strukturalne a długa pamięć: jeżeli TP nie potwierdza długiej pamięci to wystąpiły zmiany strukturalne [P.Sibbertsen, 2002]
Metody spektralne
Metoda periodogramu
Metody spektralne
Średni skumulowany periodogram (ACP)
- niskie częstotliwości z gładkiej części periodogramu
Dla małych k zachodzi:
MNK, ale nie graficznie – na skali log-log F nie jest liniowa
[Taqqu, Teverovsky 1997]
Metody spektralne
Estymator Whittle’a
- funkcja gęstości spektralnej o częstotliwości f
Minimalizacja ze względu na
Zagregowany estymator Whittle’aagregacja skraca szereg i
zwiększa wariancję estymatora ale zachowuje właściwości fGn
[Taqqu, Teverovsky 1995]
Estymatory autokorelacyjne
Metoda Kettaniego i Gubnera
[H. Kettani, J. Gubner, 2002]
Metoda Kettaniego i Gubnera
[P.Ciżkowicz, w druku, NBP 2004]
Generatory
Rekurencyjna metoda Hoskinga
Generator Davisa i Harte’a (1987)
Generator Vern Paxsona (1995)
Metoda Syntezy Spektralnej
Metoda Losowych Składników
Właściwości estymatorów
Właściwości estymatorów
R/S – najbardziej obciążony z estymatorów o dużej wariancji: przeszacowuje wartość H o 0,15 dla H<0,7 i niedoszacowuje dla H>0,7. Dla N<128 jest niewiarygodny: H=0,5: P(0,2<H<0,8)=0,9
Metody dyspersjonalne – małe obciążenie (+-0,01) i efektywne. Możliwość wykrycia zmian strukturalnych
Higuchi – bardzo pracochłonne (komputerowo)
Spektralne – brak obciążenia i efektywne (oprócz GPH). Możliwość wykrycia zmian strukturalnych
Przeskalowana wariancja – małe obciążenie (+-0,01) i efektywne, Wymaga szeregów o długości 2^9
Kettani Gubner– bardzo prosty, szybki, nieobciążony (dla H<0,8) i efektywny nawet dla szeregów 2^6.
WIG20 0,58 WIG 0,61
WIG-Banki 0,60WIG-Budownictwo 0,64
WIG-Informatyka 0,54 WIG-Spożywczy 0,74
Rynek kapitałowy 05.2002- 04.2004, 2^9 obs.