Intermittent process analysis with scattering moments
利用散射矩分析间歇性过程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：摘要研究平稳增量随机过程、多尺度统计量及金融时间序列应用，直接支持时间序列方法分类。
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…
利用散射矩分析间歇性过程
- 研究问题
- 如何用非参数的多尺度统计量描述具有平稳增量的随机过程，并识别其间歇性、自相似性及数据生成模型？
- 方法与思路
- 作者通过迭代小波变换和模运算构造散射矩，分析不同过程的衰减特征，并用广义模拟矩方法估计生成模型。
- 材料陈述的贡献
- 摘要称，一、二阶散射矩可刻画间歇性和自相似性，若干过程具有特征性衰减，并展示金融序列与湍流的数值应用。
- 阅读关注点
- 应核对散射矩的定义、方差保持及刻画性质的条件，以及模拟矩估计的识别、尺度选择和金融应用的验证方式。
- 阅读边界
- 所给OpenAlex索引摘要未注明稿件版本，未提供完整定理和数值结果；不能将间歇性刻画直接解释为金融风险预测能力。
原文摘要
Scattering moments provide nonparametric models of random processes with stationary increments. They are expected values of random variables computed with a nonexpansive operator, obtained by iteratively applying wavelet transforms and modulus nonlinearities, which preserves the variance. First- and second-order scattering moments are shown to characterize intermittency and self-similarity properties of multiscale processes. Scattering moments of Poisson processes, fractional Brownian motions, Lévy processes and multifractal random walks are shown to have characteristic decay. The Generalized Method of Simulated Moments is applied to scattering moments to estimate data generating models. Numerical applications are shown on financial time-series and on energy dissipation of turbulent flows.