分段多分辨率熵框架评估美国月度运输服务指数的时变复杂性
《Entropy》:Tracking the Evolving Complexity of the U.S. Transportation Services Index: A Segmented Multiresolution Wavelet Entropy Analysis
【字体:
大
中
小
】
时间:2026年10月24日
来源:Entropy 2.1
摘要
宏观经济与基础设施类指标往往呈现出非线性动力学特征和结构性转变,而传统的趋势与波动率度量无法充分刻画这些特性。本研究提出了一种分段多分辨率熵框架,将小波重构与近似熵(ApEn)及归一化排列熵(PE)相结合,用于评估时变复杂性。该方法的核心在于:对整个时间序列在尺度上施加db4离散小波变换,重构低频分量,并在八个非重叠分段上计算熵值。该方法在整个样本范围内提供了一致的重构基准,同时降低了对分段边界重复初始化的敏感性。该框架被应用于2000年1月至2026年4月的美国月度运输服务指数(TSI)。ApEn与PE轨迹捕捉到了与重大经济和运输中断时期相符的振幅型不规则性变化及时序排列变化,包括全球金融危机、COVID-19大流行以及随后出现的供应链和地缘政治不确定性时期。移动块自举(Moving-block-bootstrap)区间对主要估计量的条件不确定性进行了评估。受控模拟结果表明,小波重构后的转折检测率有所提升,但并非所有性能指标均有改善。结果表明,该方法可在传统运输监测的基础上进行补充,通过识别系统组织的变化来提供信息,而无需关注指数水平的波动,同时也不暗示因果关系归因或经过正式验证的制度转变。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号