بررسی الگوریتم های حرکت براونی کسری در تجزیه بلوکی از تحلیل نوسانی روندزدایی

برای شناخت قابلیت اعتماد همبستگی های بلند دامنه LRD لازم است تا بین روندها و نوسانات ذاتی بلند دامنه در داده ها تفاوت قائل شویم. روش تحلیل نوسانی روندزداییDFAیک روش بسیار خوب برای یافتن همبستگی های بلند دامنه در سری های زمانی است.طول بلوک های مینیمال و ماکسیمال با فاصله های مساوی بر واریانس و اریبیDFAتاثیر می گذارد. با استفاده ازالگوریتم های شبیه سازی مونت کارلو و مولدهای حرکت براونی کسریFBMزوج بلوکی مینیمال و ماکسیمال که مجموع میانگین مربعات خطا ی نمای هورست برآورد شده به ازای سری با طولN  27 ,...,2 12 را مینیمممی کند، بررسی کرده ایم. به علت اریبی برآوردگر به ازای فرآیندهای غیرپایا دامنه نمای هورست را به 0.5 H  1محدود می کنیم. همچنین در این مقاله، تفاوت مولدهای مونت کارلو را نیز بررسی کرده ایم.

کلیدواژه ها:

تحلیل نوسانی روندزدایی ، همبستگی بلند دامنه ، شبیه سازی مونت کارلو ، حرکت براونی کسری