基于小波的熵率度量用于刻画随机、确定和混沌动力学:在加密货币中的应用
《Physica A: Statistical Mechanics and its Applications》:Wavelet-based entropy rate measure for characterizing stochastic, deterministic, and chaotic dynamics: An application on cryptocurrencies
【字体:
大
中
小
】
时间:2026年08月28日
来源:Physica A: Statistical Mechanics and its Applications 3.1
编辑推荐:
**摘要**
本文介绍了基于小波的熵速率测度(WERM),该测度通过将小波分解与序模式分析以及熵速率估计相结合,来表征时间序列的复杂性和可预测性。该测度根据相对小波能量对各尺度下的熵速率贡献进行加权,从而同时考虑了局部动力学结构和全局多尺度组织。我们证明WERM能够有效区分
**摘要**
本文介绍了基于小波的熵速率测度(WERM),该测度通过将小波分解与序模式分析以及熵速率估计相结合,来表征时间序列的复杂性和可预测性。该测度根据相对小波能量对各尺度下的熵速率贡献进行加权,从而同时考虑了局部动力学结构和全局多尺度组织。我们证明WERM能够有效区分纯随机过程、持久性和反持久性噪声、周期性确定性成分以及混沌动力学。特别是,该测度能够捕捉随机、规则和确定性非线性区域之间的系统性差异,同时仍然对随机记忆与确定性结构之间的相互作用保持敏感。随后,我们将所提出的框架应用于加密货币领域。实证结果表明,价格水平主要与持久性随机动力学相关,而收益率则更适合用短记忆或反持久性区域结合混沌成分来描述。WERM为分析金融系统及其他应用中复杂的多尺度信号提供了一个实用且灵活的工具。
**引言**
近几十年来,对复杂信号的分析揭示了许多现实世界系统源于随机成分与确定性成分之间非平凡的相互作用。从物理学到金融系统,再到最近的加密货币市场,所观察到的时间序列很少是纯粹的随机或完全确定的。相反,它们通常表现出多尺度结构,其中噪声、长程记忆、周期性和混沌动力学共存并相互作用。
从理论角度来看,噪声是最简单却也是最微妙的成分。不同类型的噪声,如白噪声、粉噪声、棕噪声和黑噪声,具有不同的频谱特性和不同程度的持久性或反持久性,这在幂律噪声和1/f过程的框架下已被广泛研究(如[1])。特别是,具有长程记忆的过程引入了时间相关性,这从根本上将它们与不相关噪声区分开来,这一点已在分数布朗运动和分数高斯噪声模型中得到了形式化表述。这些方法与去趋势波动分析[2]、[3]等标度分析方法密切相关,后者已成为检测经验时间序列中长程依赖性的标准工具,并与Hurst指数[4]、[5]等经典测度密切相关。这一区分至关重要,因为经验观察到的结构可能会被错误地归因于确定性机制,而实际上它们是从相关随机过程中产生的。
同时,确定性系统可以表现出截然不同的行为。一方面,周期或准周期信号引入了规律且可预测的模式,通常通过谐波和三角多项式表示进行建模[6]。另一方面,混沌系统生成的轨迹看起来是随机的,尽管它们受非线性确定性规律支配,正如Lorenz系统[7]或logistic映射[8]等经典系统所描述的那样。确定性混沌因此占据了秩序与随机性之间的中间位置:它高度复杂、非周期性,但不能还原为随机噪声。此类动力学的表征已广泛使用Lyapunov指数[9]、[10]和Kolmogorov–Sinai熵[11]、[12]等工具来解决,这些工具量化了对初始条件的敏感性和动力学复杂性。区分这些不同来源的复杂性——结构化噪声、周期性动力学和混沌——仍然是时间序列分析中的核心挑战。
在过去几十年来,已开发出多种方法论来区分确定性动力学与随机过程。早期的方法包括Kaplan和Glass[13]提出的确定性直接检验,以及Wayland等人[14]提出的方法,这些方法利用重构相空间的几何性质来识别观测时间序列中的确定性结构。随后,混沌特定方法论如0–1混沌检验[15]提供了计算高效的工具来区分混沌确定性动力学与规则运动。其他方法则依赖于时间序列的符号和组合表示,包括序模式方法以检测噪声环境中的确定性[16]。
最近,基于重访的方法和统计假设检验框架已被提出,以区分确定性、随机性和非线性随机系统[17]、[18]。类似地,Zhou等人[19]介绍了一种基于缺失扩散模式的方法,通过时间序列的符号表示来识别确定性和非线性。虽然这些方法主要是作为确定性或混沌存在性的检验而设计的,但本文的目标有所不同。与其提供确定性行为和随机行为之间的二元决策,我们提出了一种多尺度熵速率框架,该框架量化了随机持久性、周期性结构和混沌动力学在各尺度上的相对贡献。
基于熵的方法已被证明在解决此问题方面特别有效,因为它们提供了不可预测性和结构复杂性的定量测度。Shannon熵[20]和Kolmogorov复杂性[21]等经典测度提供了基础性框架,尽管在经验环境中直接估计这些测度通常具有挑战性。在此背景下,Bandt和Pompe的置换熵[22]因其能够捕捉时间序列的序结构,同时保持对噪声的鲁棒性并在单调变换下不变而得到了广泛使用(参见例如[23]、[24])。样本熵[25]和多尺度熵[26]等扩展进一步强调了捕捉多个时间尺度上复杂性的重要性。然而,当直接应用于原始信号时,此类测度可能无法完全捕捉尺度相关的特征和多尺度组织。
在其原始公式之外,Shannon熵启发了大量信息论测度家族,用于研究复杂系统。特别是,广义熵框架,如Rényi[27]、[28]、Tsallis[29]、[30]和Sharma Mittal熵[31]、[32],统计复杂性测度、传递熵和熵速率方法已被广泛用于表征物理和社会经济系统中的非平衡动力学、信息产生和涌现组织[33]、[34]。在统计力学中,基于熵的方法论已成为研究相变、长程相互作用、自组织以及复杂系统中秩序与无序之间相互作用的基本工具。这些发展强化了这样一种观点:复杂性不能完全由随机性来描述,而是需要同时评估跨尺度的信息产生、时间依赖性和结构组织。
与此同时,基于小波的方法在统计力学和复杂系统分析中变得越来越重要,因为它们能够同时在时间和尺度上表示信号[35]、[36]。小波分解已成功应用于湍流、异常扩散、临界现象、非平衡涨落以及表现出多尺度相关性的系统的研究。它们分离不同频率下局部动力学的能力使其特别适合于研究随机机制和确定性机制共存的过程。在此背景下,小波熵作为信息论方法的自然扩展而出现,提供了跨尺度能量组织的定量描述。
为了克服这些局限性,基于小波理论的多分辨率方法已被引入。特别是,小波熵[31]、[37]、[38]提供了一种自然的方式来量化能量在尺度上的分布,并已成功应用于涉及非平稳信号的各种情境(如[39]、[40]、[41]、[42])。基于这条研究路线,我们引入了基于小波的熵速率测度(WERM),该测度将小波分解与在多尺度小波系数上计算的置换熵相结合。关键思想是,根据每个尺度的相对能量对其熵贡献进行加权,从而同时考虑信号的能量分布及其局部复杂性。这一多尺度框架使信号的更精细表征成为可能,增强了对确定性结构和随机属性的敏感性。
本工作的目标是系统地研究WERM如何对不同性质的信号做出响应,包括纯随机过程、具有长程依赖性的信号、周期性成分和确定性混沌动力学。特别是,我们分析了基于噪声类型和混沌或周期性确定性成分模拟的WERM分布,考虑元素的多种不同组合,以评估WERM分布是否存在差异从而适合生成随机过程识别。这一视角与之前旨在分离随机和确定性成分的努力密切相关,如替代数据检验[43]。
最后,为了展示其实际相关性,我们将WERM应用于来自加密货币市场的真实世界时间序列。由于具有高波动性、强噪声成分、可能的周期行为和潜在的非线性及混沌动力学,这些系统提供了一个自然的测试环境。先前的研究已经使用金融标度分析[44]、多标度方法[45]、序网络[46]、基于小波的加密货币分析[47]和基于DFA的效率研究[48]等工具,强调了金融和加密市场中标度律、长记忆和复杂动力学的存在。在这种情境下,一种能够分离随机和确定性贡献的测度可能为揭示金融市场潜在复杂性提供有价值的见解。
本文结构如下。在第2节中,我们介绍了方法论。然后,在第3节中,我们展示了我们的方法论在模拟数据和真实数据上的数值实验和应用,特别是针对加密货币。最后,在第4节中我们提供了结论。
**方法部分摘要:基于小波的熵速率测度(WERM)**
在本节中,我们介绍了一种多尺度可预测性测度,该测度将离散小波变换与基于序模式的熵速率近似相结合。主要思想是在每个小波尺度上量化对应动力学偏离最大随机过程(类白噪声过程)的程度,然后根据各尺度的小波能量加权聚合跨尺度的信息。
**离散时间随机过程模拟**
为了详细监控WERM的行为,我们定义了一种模拟设计,引入随机、多尺度确定性和混沌行为。特别是,对于随机部分,我们考虑了白噪声、粉噪声、紫噪声、棕噪声(随机游走)以及棕噪声和粉噪声的组合,以模拟持久性和长记忆共存的情况(黑噪声)。我们还添加了线性(自回归)短记忆过程和具有更高阶的持久过程。
**结论**
在本工作中,我们提出了基于小波的熵速率测度(WERM),这是一种多尺度指标,旨在通过结合小波分解、序模式分析和熵速率估计来量化时间序列的可预测程度和结构特征。所提出的框架是为解决当随机动力学、确定性规律和混沌行为在不同时间尺度上共存时的区分问题而开发的。
**模拟部分**
**CRediT作者贡献声明**
Maria Carannante:撰写–审阅与编辑,撰写–原始草稿,可视化,验证,监督,软件,资源,方法论,调查研究,形式化分析,数据整理,概念化。Oday Masoudi:撰写–审阅与编辑,撰写–原始草稿,可视化,验证,监督,软件,资源,方法论,调查研究,形式化分析,数据整理,概念化。Alessandro Mazzoccoli:撰写–审阅与编辑,撰写–原始草稿。
**利益冲突声明**
作者声明他们没有已知的竞争经济利益或个人关系,这些利益或关系可能会影响本文所报告的工作。
**致谢**
M. Carannante和A. Mazzoccoli是INdAM研究组GNCS的成员。
Maria Carannante | Oday Masoudi | Alessandro Mazzoccoli
Link Campus University,人文科学系,Via del Casale di San Pio V 44号,罗马,00165,意大利
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号