文章探讨了ConstantinoTsallis提出的非广延熵在统计力学中的意义，这种熵导致新型分布，适用于描述复杂系统，如金融市场的长期记忆和强相关性。Q-Gaussian分布被发现在金融时间序列分析中有用，尤其是在描述报价增量分布。尽管有数学上的差异，但这些分布的数值近似于Q-Gaussian。本征坐标法作为一种分析工具，用于函数展开和统计假设的处理，特别是在金融模型的函数识别中显得尤为重要。
简介
在 1988 年，Constantino Tsallis 提出了 Boltzmann-Gibbs-Shannon 统计力学的泛化 [1]，其中，他提出了非广延熵的概念。
熵的泛化的一个重要推论似乎是新分布类型的存在 [2]，这些分布类型在新的统计力学中扮演着关键角色：
编辑
添加图片注释，不超过 140 字（可选）
研究表明，这些分布类型可用于描述具有长期记忆的系统、长期作用力的系统以及强相关性系统内的大量经验数据。
熵与信息密切相关 [7]。参考文献 [8-9] 介绍了基于信息的统计力学泛化理论。经证明，新的非广延统计力学对经济也非常有用 [10-17]。例如，Q-Gaussian 分布充分描述了金融工具报价增量分布的宽翼（尾） (q~1.5)。据说，金融时间序列的大多数增量分布在较大的期间（月、年）上转换为正态分布 (q=1) [10]。
很自然地，期待统计力学的此类泛化会推出与 q-Gaussian 分布的中央极限定理类似的定理。但是参考文献 [18] 指出这是错的 —— 强相关随机变量之和的极限分布在分析上与 q-Gaussian 不同。
然而，另一个问题又出现了：研究表明，发现的精确解的数值非常接近 Q-Gaussian（“在数字上类似，在分析上不同”）。为了分析函数之间的差异并得出 Q-Gaussian 分布
最低0.47元/天 解锁文章
扫一扫
243
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
