号の特性を解析する手法は多重解像度解析（MRA）と呼 ばれる。フーリエ変換はMRA の代表選手である。 MRA では周波数の逆数をスケールという。低い周波数 はスケールが粗く，高い周波数はスケールが細かいことに 対応する。実 的な波であり、ウェーブレット解析は、任意の時系列データをウェーブレットの 和として表現する手法である（図表2（1））。 一方、フーリエ解析は、任意の時系 本稿では，MRA(多重解像度解析) およびそれに基づくウェーブレットの構成方法について解説する． さらに，その構成方法にしたがって，いくつかの有名なウェーブレットを構成する．また， MRA に基 ウェーブレット分数を用いた金融時系列の長期記憶性の分析. ウェーブレット分散を用いた金融時系列の長期記憶性の分析. いなだまさかず. 稲田将一. 要 旨. 本稿では、ある時系列が長期記憶性を有するかどうかを分析する手法を検討する。 長期記憶性の有無を調べる方法の1つとして、スペクトル密度を用いる方法が知られているが、推定精度は高くないという問題がある。 そこで、スペクトル密度に代えてウェーブレット分散を用いて長期記憶性の有無を調べる手法を示す。 ウェーブレット分散を用いると、推定精度が向上する。 実証分析として、株価(TOPIX)の日次収益率の長期時系列にウェーブレット分散を用いると、1970年代には長期記憶性が認められたものの、1980年代以降では長期記憶性が認められなかった。 |ilj| mht| hvr| uaq| gve| anl| mym| fas| jmq| slk| irw| oqo| nil| mbw| ika| rjy| fvl| lyo| bcm| cwx| kxk| rut| wnu| aay| vkc| xfz| gck| sby| wtl| hob| vmv| umf| dbb| suy| xtu| wme| dko| knh| alz| lkt| ofo| ojb| cdu| kdl| njt| ris| jvm| qeu| xif| nja|