基于图模型方法的Granger因果性检验

Granger因果性是衡量系统变量间动态关系的重要依据.本文利用图模型方法研究变量间的Granger因果性,建立了Granger因果图.基于条件互信息和置换检验法建立了Granger因果图结构的辨识方法,利用混沌理论中的关联积分估计相应的检验统计量,给出了统计量的渐进分布,并用所给方法研究国际主要股市间的Granger因果关系.     

结构向量自回归模型因果图的信息论辨识方法

由观测数据确定变量间的因果关系是时间序列分析的重要内容.本文利用图模型方法研究结构向量自回归模型变量间的因果关系,通过时间序列因果图的建立将问题转化为时间序列因果图结构的辨识.基于信息论方法提出了因果性定向的三步准则,利用关联积分估计互信息和条件互信息.模拟结果显示本方法能更有效地辨识结构向量自回归模型因果图的因果结构.     

非线性结构向量自回归模型因果关系的图模型辨识方法（英文）

确定变量间的因果关系是时间序列分析的重要内容.传统的图模型因果推断算法有着明显的局限性,要求模型是线性的且噪声项服从Gauss分布.本文利用图模型方法辨识非线性结构向量自回归模型变量间的因果关系,给出了一种基于互信息和条件互信息的非线性结构向量自回归因果图模型结构的非参数辨识方法.数值模拟结果验证了方法的有效性.     

向量自回归模型Granger因果图的条件互信息辨识与应用

Grangerl因果性是衡量系统变量间动态关系的重要依据．传统的两变量Grangerl因果分析法容易产生伪因果关系,且不能刻画变量间的即时因果性．本文利用图模型方法研究时间序列变量间的Grangerl因果关系,建立了时间序列Granger因果图,提出Grangerl因果图的条件互信息辨识方法,利用混沌理论中的关联积分估计条件互信息,统计量的显著性由置换检验确定．仿真结果证实了方法的有效性,并利用该方法研究了空气污染指标以及中国股市间的Grangerl因果关系．