[论文解读] Detecting Nonlinearity in Data with Long Coherence Times

James Theiler, Paul S. Linsay+1 more|ArXiv.org|Feb 26, 1993

Complex Systems and Time Series Analysis参考文献 1被引用 49

一句话总结

本文指出，时间序列数据中较长的相干时间可能导致使用标准置换数据和预测器比较方法时错误地检测出非线性。作者通过分析和数值模拟证明，具有长相干时间的线性过程（如接近单位根的ARMA模型）可能模仿非线性行为，从而削弱了常用非线性检验的可靠性，并警告不应将此类信号误认为是混沌或非线性动力学的证据。

ABSTRACT

We consider the limitations of two techniques for detecting nonlinearity in time series. The first technique compares the original time series to an ensemble of surrogate time series that are constructed to mimic the linear properties of the original. The second technique compares the forecasting error of linear and nonlinear predictors. Both techniques are found to be problematic when the data has a long coherence time; they tend to indicate nonlinearity even for linear time series. We investigate the causes of these difficulties both analytically and with numerical experiments on ``real'' and computer-generated data. In particular, although we do see some initial evidence for nonlinear structure in the SFI dataset E, we are inclined to dismiss this evidence as an artifact of the long coherence time.

研究动机与目标

• 本文研究当时间序列具有长相干时间时，为何标准非线性检测技术会失效。
• 本文识别出具有长相干时间的线性过程可能在标准检验中产生虚假的非线性特征。
• 本文旨在阐明在长相干条件下，置换数据法与预测器比较法的局限性。
• 作者旨在提供实用指南，以区分真正的非线性与由长相干时间引起的伪影。
• 他们致力于提高在具有有限、噪声和相干测量值的真实时间序列中非线性时间序列分析的可靠性。

提出的方法

• 作者比较了两种非线性检测技术：置换数据生成法与线性 vs. 非线性预测器比较法。
• 置换数据通过两种方法生成：基于傅里叶变换的方法与迭代幅值调整傅里叶变换（IAFT）方法。
• 研究在合成数据和真实世界数据集（包括SFI竞赛数据集E.dat）上评估了这些方法。
• 作者分析了时间序列的自相关结构，以评估相干时间及其对统计检验的影响。
• 他们通过数值实验模拟具有长相干时间的线性过程，并在标准非线性检测协议下测试其性能。
• 分析包括绘制自相关包络线，并评估相关性随时间的衰减，以量化相干性。

实验结果

研究问题

• RQ1 为何标准非线性检测方法会错误地将具有长相干时间的线性时间序列识别为非线性？
• RQ2 置换数据生成方法在多大程度上无法准确保留具有长相干时间的时间序列的线性特性？
• RQ3 线性过程中是否存在长相干时间，可能在标准检验中产生统计显著的非线性特征？
• RQ4 相干时间阈值选择（例如数据长度的5%）如何影响非线性检测的可靠性？
• RQ5 在真实时间序列中，应使用何种标准来区分真正的非线性与由长相干时间引起的伪影？

主要发现

• 具有长相干时间的线性时间序列（如接近单位根的ARMA(2,2)模型）可能在标准非线性检验中产生虚假的非线性特征。
• 特别是IAFT方法，置换数据生成法在模拟具有长相干时间的时间序列的线性特性方面表现不佳，导致错误的非线性检测结果。
• 长相干线性过程的自相关函数衰减缓慢，其相关性在与数据长度相当的时间尺度上仍可能保持显著，违反了标准检验的平稳性假设。
• SFI数据集E.dat表现出明显的非线性，但这很可能是长相干时间造成的伪影，而非真实的非线性动力学。
• 当相干时间占数据长度的显著比例时，非线性检测不可靠，特别是当自相关在T > 0.1N时仍高于0.05。
• 作者得出结论：长相干时间可使置换数据法与预测器比较法均错误地指示非线性，即使在纯粹的线性过程中也是如此。