DFA是一种由Peng等人(1994)引入用于DNA研究的长期幂律关系技术;它也适用于非平稳时间序列数据集。该技术已广泛应用于分析连续发展后的自然环境之间的长期关系。从动力学角度看, 这种方法中变换的序列仍残留着原序列的痕迹, 与原序列保持着相同的持久性 (或反持久性) 。同时, 变换可较好地“滤除”其自身演化的趋势成分, 剩下的离差序列主要就是波动成分【3】。
计算方法与步骤参照参考文献【3】。这里补充一下DFA指数(a)代表的意义,
- 如果a等于0.5,表示过程是随机分布的,有独立随机方法。
- 如果0 <a< 0.5,则过程是依赖的,是一个短期关系,表明时间序列数据与之前的时间序列数据有相反的趋势。
- 如果0.5 <a<1,则序列是连续的,未来的趋势线类似于过去的趋势线。
- 如果a的值接近1,则这种相似性倾向越高。
- 当a = 1时,过程为1/f序列,即,具有1/f谱的非平稳随机序列,按尺度不变性和长程关系进行分类。
- 如果a≥1.5,这个过程是一个布朗噪声序列。
拓展–A, A. M. D. S. F. , A, G. F. Z. B. , C, A. P. N. D. C. , & D, E. F. G. . (2020). Statistical test for multiple detrended cross-correlation coefficient. Physica A: Statistical Mechanics and its Applications, 562.
参考文献
【1】R语言实现
【2】MFDFA: MultiFractal Detrended Fluctuation Analysis
【3】杨萍,侯威,封国林.基于去趋势波动分析方法确定极端事件阈值[J].物理学报,2008(08):5333-5342.