[发明专利]一种多维时间序列的定量因果关系判定方法

摘要

本发明是一种多维时间序列的定量因果关系判定方法，具体流程包括采集m条时间序列；对每条时间序列进行预处理，得到具有相同时间间隔的多条平稳的时间序列；计算不同时间序列之间定量、定向的因果关系，其中任意两条时间序列X_j和X_i之间的因果关系可根据其间的Liang‑Kleeman信息流T_j→i与T_i→j来进行判断，而T_j→i由下式估算：最后对计算得到的各两两时间序列之间的因果性进行整合，得到完整的因果关系网络图。该方法通过简单的计算即可推断多个事件之间的因果关系，而且这种因果关系以定量的形式输出，从而解决了因果关系推断这一难题，在金融、气候、环境、神经科学、天气预报、人工智能、大数据科学等众多重要的领域都将有着广泛而重要的应用。

主权项

1.一种多维时间序列的定量因果关系判定方法，其特征是：能够定量地估算出多维时间序列间的因果关系的大小与方向，具体实施方案如下：步骤1，采集m条时间序列，每条序列对应一个事件，m条时间序列分别为X₁,X₂,…,X_m；步骤2，对每条时间序列进行预处理，得到具有相同时间间隔的多条时间序列；步骤3，当步骤2中的某些时间序列不平稳时，需对这些序列进行进一步处理，使之变得近似平稳；当步骤2中的时间序列平稳时，进行步骤4；步骤4，计算各个时间序列之间定量、定向的因果关系；具体计算方法如下：给定m条平稳、等距的时间序列X₁,X₂,…,X_m，记由X_j到X_i(i,j＝1,2,..,m,i≠j)的信息流为T_j→i，则X_j和X_i之间的因果关系可由根据T_j→i与T_i→j来进行判断，T_j→i可由下式估算：其中，为信息流T_j→i的最大似然估计值；为m条时间序列X₁,X₂,…,X_m的协方差矩阵；detC为C的行列式；△_jk为C_jk的代数余子式；C_k,di为X_k与一条导出序列之间的协方差，定义为：△t为该序列的时间间距；当显著地不为零时，则X_j是X_i的因，就是因果关系的大小；步骤5，对步骤4中的计算得到的各两两时间序列之间的因果关系数据进行整合，得到完整的因果关系网络图。