A non-parametric independence test using permutation entropy
基于排列熵的非参数独立性检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确针对时间序列的序列依赖与独立性检验，并应用于日度金融时间序列。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
基于排列熵的非参数独立性检验
- 研究问题
- 如何利用排列熵检验时间序列的独立性，在适用于离散与连续分布的同时，避免平滑非参数估计的计算需求？
- 方法与思路
- 作者结合符号动力学与排列熵衡量序列依赖，推导熵的仿射变换在独立性原假设下的标准渐近分布。
- 材料陈述的贡献
- 摘要称，所提检验简单、一致且具有较强功效，统计量及其极限分布对单调变换不变，并展示日度金融序列应用。
- 阅读关注点
- 应核对排列模式的构造、离散数据中并列值的处理，以及单调变换不变性、渐近分布和功效结论的适用条件。
- 阅读边界
- 仅据所给出版社摘要，无法确定模式长度选择、有限样本校准或功效数值；金融序列应用也未给出具体检验结果。
原文摘要
In the present paper we construct a new, simple, consistent and powerful test for independence by using symbolic dynamics and permutation entropy as a measure of serial dependence. We also give a standard asymptotic distribution of an affine transformation of the permutation entropy under the null hypothesis of independence. The test statistic and its standard limit distribution are invariant to any monotonic transformation. The test applies to time series with discrete or continuous distributions. Eventhough the test is based on entropy measures, it avoids smoothed non-parametric estimation. An application to several daily financial time series illustrates our approach.