跳至正文
返回文库全部文档

比较不同市场的多重分形与熵复杂度

文章 arXiv papers · 作者: Oday Masoudi et al.
阅读原文

总结

本研究比较比特币、GBP/USD、黄金和天然气对数收益序列的复杂度。研究采用多重分形去趋势波动分析和改进复合多尺度样本熵这两种方法，以量化不同尺度下结构的不同方面。此项比较旨在说明不同资产类别的市场可预测性和相关风险可能有何差异。

两种指标都显示，比特币收益的复杂度高于其他序列。作者认为，比特币中更强的非线性相关性可能有助于解释这一结果。描述没有提供样本日期、参数选择、不确定性估计或交易测试，因此应将这一发现视为时间序列比较结果，而非比特币在所有情境下都更难预测的证明。复杂度指标描述收益结构；摘录没有说明这些指标如何转化为预测准确度或投资表现。

核心观点

  • 本研究比较比特币、GBP/USD、黄金和天然气的收益复杂度。
  • MF-DFA 指标衡量收益序列的多重分形结构。
  • RCMSE 用于评估多个时间尺度上的样本熵。
  • 两种指标均显示，比特币收益比所研究的其他市场更复杂。
  • 作者提出的解释是非线性相关性更强，但未描述直接的交易表现测试。

标签

加密资产外汇大宗商品统计学波动率
全文
# Complexity of Financial Time Series: Multifractal and Multiscale Entropy Analyses


# Complexity of Financial Time Series: Multifractal and Multiscale Entropy Analyses









We employed Multifractal Detrended Fluctuation Analysis (MF-DFA) and Refined Composite Multiscale Sample Entropy (RCMSE) to investigate the complexity of Bitcoin, GBP/USD, gold, and natural gas price log-return time series. This study provides a comparative analysis of these markets and offers insights into their predictability and associated risks. Each tool presents a unique method to quantify time series complexity. The RCMSE and MF-DFA methods demonstrate a higher complexity for the Bitcoin time series than others. It is discussed that the increased complexity of Bitcoin may be attributable to the presence of higher nonlinear correlations within its log-return time series.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。