Часто на практике изучаемые системы (от солнечных пятен, среднегодовых значений выпадения осадков и до финансовых рынков, временных рядов экономических показателей) не являются нормально-распределенными или близкими к ней. Для анализа таких систем Херстом [1] был предложен метод Нормированного размаха (RS-анализ). Главным образом данный метод позволяет различить случайный и фрактальный временные ряды, а также делать выводы о наличии непериодических циклов, долговременной памяти и т.д.
Алгоритм RS-анализа
- Дан исходный ряд . Рассчитаем логарифмические отношения:
- Разделим ряд на смежных периодов длиной . Отметим каждый период как , где . Определим для каждого среднее значение:
- Рассчитаем отклонения от среднего значения для каждого периода :
- Рассчитаем размах в пределах каждого периода:
- Рассчитаем стандартное отклонения для каждого периода :
- Каждый делим на . Далее рассчитываем среднее значение R/S:
- Увеличиваем и повторяем шаги 2-6 до тех пор, пока
- Строим график зависимости от и с помощью МНК находим регрессию вида: , где H – показатель Херста (см. рисунок).
Проверка значимости
Далее проверяем полученный результат на значимость. Для этого проверяем гипотезу о том, что анализируемая структура является нормально-распределенной. R/S являются случайными переменными, нормально распределенными, тогда можно предположить, что H также распределены нормально. Асимптотическим пределом для независимого процесса является показатель Херста равный 0.5. Энис и Ллойд [2], а также Петерс [3] предложили использовать следующие ожидаемые показатели R/S:
Для n наблюдений находим ожидаемый показатель Херста: .
Ожидаемая дисперсия будет следующей: , где T — количество наблюдений в выборке.
Выборочная статистика: .
Сравниваем ее с критическим значением нормированного нормального распределения.
Если выборочное значение меньше критического, то гипотезу о нормальном распределении системы не отвергаем на данном уровне значимости. Структура случайна и имеет нормальный закон распределения.
Список литературы:
- Херст, Г. Э., 1951. «Долгосрочная вместимость водохранилищ». Труды Американского общества гражданских инженеров, 116, 770-808.
- Anis, A.A., Lloyd, E.H. (1976) The expected value of the adjusted rescaled Hurst range of independent normal summands. Biometrica 63: 283-298.
- Peters, E.E. (1994) Fractal Market Analysis. Wiley, New York. ISBN 0-471-58524-6.
Комментарии (5)
iEcho
23.04.2015 08:44Помню писал курсовую работу по вычислению показателя Херста.
Собственно, R/S-анализ далеко не самый точный алгоритм вычисления показателя Херста, есть штук 5-6 более точных, но литература по ним очень труднонаходима. Ибо занимаются показателем Херста в основном китайцы.
xaoc80
23.04.2015 11:44Пробовал при помощи показателя Херста детектировать шумы в звуковом сигнале (чистый шум/зашумленный сигнал). Удалось достаточно точно детектировать чистый шум (наводки). С зашумленным сигналом лучше работает автокорреляционная функция. Однако, с точки зрения вычислительной сложности, R/S — анализ более интересен.
alexandergoncharenko Автор
23.04.2015 13:42Если AR хорошо справляется, значит шум имеет краткосрочную память. Что качается долгосрочной памяти и циклов, AR плохо фильтруют. Как раз при анализе валют, исходный ряд фильтрую с помощью AR(1), и далее RS анализ. Так высокие частоты часто идентичны белому шуму, на более низких глобальная структура более очевидна.
markhor
А откуда брать критическое значение нормированного нормального распределения при данном уровне значимости?
Правильно ли я понял, что E(H) находится «в лоб», с помощью того же самого МНК?
alexandergoncharenko Автор
Уровень значимости задаем сами (традиционно 0.1, 0.05 или 0.01). Критические значения 1.2815, 1.6448, 2.3263 соответственно.
E(H) находится также через МНК.