Resumen

En este documento, desarrollamos un nuevo método para medir las interacciones no lineales entre series de tiempo no estacionarias basado en el análisis del coeficiente de correlación cruzada sin tendencia. Describimos cómo una interacción no lineal puede ser obtenida al eliminar la influencia de otras variables en dos series de tiempo simultáneas. Al aplicar dos señales generadas artificialmente, mostramos que el nuevo método funciona de manera confiable para determinar el comportamiento de la correlación cruzada de dos señales. También ilustramos la aplicación de este método en finanzas y sistemas de motores aeroespaciales. Estos análisis sugieren que la medida propuesta, derivada del análisis del coeficiente de correlación cruzada sin tendencia, puede ser utilizada para eliminar la influencia de otras variables en la correlación cruzada entre dos series de tiempo simultáneas.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Método; Medida; Interacciones; Series temporales no estacionarias; Análisis del coeficiente de correlación cruzada sin tendencia; Variables
• Keywords:Method; Measure; Interactions; Nonstationary time series; Detrended cross-correlation coefficient analysis; Variables