白噪声不仅仅是用来修饰时间序列的，在金融市场上能够市场能够正确的识别白噪声可以对操作带来意想不到的收获。

第一张图 看看白噪声的基本形态，第二张图是白噪声的具体运用。

[attachment=222790,1310] [attachment=222790,1311]

序列满足<bblatex>EX_{t}=\mu ;\gamma (t,s)=\sigma ^{2} </bblatex>, 当t=s时。它是随机序列的祖宗，离开它，什么序列都是浮云。

挣了多少钱啦？给我们捐点儿呗

不太明白“处理后的白噪声”这张图是怎么处理来的。楼主解释一下吧

回复 第5楼 的 tangyin：

把数据重构就行了。

你指的是相空间重构吧？

4 年 后
这个图形/代码还有吗？想实测一下

另外t=s是什么意思
记得曾经有一段代码把类似白噪声的图形立刻转化成频率的图形，几行代码，看得目瞪口呆，楼主能不能回想一下，我的主要问题如下：
1. 那个代码里的白噪声是怎么产生的？是通过类似norm()的办法产生的吗？
2. 产生白噪声的时候，如果不加什么约束的话，频率图形是不是看起来更像“等腰直角三角形”？

另外就是第三楼提到的，
1. 那个函数是伽玛函数吗？
2. 为什么说是随机序列的祖宗？


这几个问题对我来说都具有非常重要的意义
我猜测第三楼里面说的就是伽玛函数在t=s的时候等于方差，这个是怎么推导出来的呢？
7 天 后
[未知用户]
楼主的gamma(t,s)是X_t和X_s的covariance吧
[未知用户]

有相关的资料链接吗？covarience运算在matlab里面只要cov()就可以的，在R中也应该有类似的，gamma是一个很明确的表达了。

如果gamma表示伽玛函数，但是从网上搜不出这个写法。

我现在有个猜想，不知道有人能不能帮忙证明出来，举个例子
标准正态，均值0，方差1，方差的一阶导正好是0
我的猜想是所有分布的均值在数值上不超过该分布的方差的二阶导
[未知用户]
这个在time series analysis 里叫autocovariance function
我看Tsay的Analysis of Financial Time Series
和Ruppert的Statistics and Data Analysis for Financial Engineering里
都是写成gamma
http://en.wikipedia.org/wiki/Variance_gamma_process
我在16楼的猜想，
“所有分布的均值的一阶导在数值上不超过该分布的方差的二阶导”