与金融相关的谷歌搜索中的幂律关联，以及它们的

股票市场价格的长期记忆。《计量经济学》，59（5）：1279-13131991。[43]L.Giraitis、P.Kokoszka、R.Leipus和G.Teyssiere。在波动性和水平上对长记忆进行重标方差和相关检验。《计量经济学杂志》，112:265–2942003。[44]B.埃夫隆、R.蒂布什拉尼和R.J.蒂布什拉尼。引导的介绍。查普曼与霍尔出版社，1993年。[45]V.斯里尼瓦斯和K.斯里尼瓦斯。建模相关的年径流后变黑。《水文学杂志》，230:86–126，2000年。[46]C.Peng、S.Buldyrev、A.Goldberger、S.Havlin、M.Simons和H.Stanley。有限大小对长程相关性的影响：分析DNA序列的意义。PhysicalReview E，47（5）：3730-37331993。[47]C.Peng、S.Buldyrev、S.Havlin、M.Simons、H.Stanley和一位Goldberger。DNA核苷酸的镶嵌组织。物理评论E，49（2）：1685-16891994。[48]J.坎特哈特、S.兹奇纳、E.科斯切尔尼·邦德、A.邦德、S.哈夫林和E.斯坦利。非平稳时间序列的多重分形去趋势波动分析。Physica A，316（1-4）：87-1142002。[49]K.Hu、P.Ivanov、Z.Chen、P.Carpena和H.E.Stanley。趋势对去趋势波动分析的影响。物理回顾E，64:011114，2001。[50]J.巴鲁尼克和L.克里斯托菲克。重尾分布下的Hurst指数估计。Physica Physica A:统计力学及其应用，389（18）：3844–38552010。[51]G.F.泽本德。DCCA互相关系数：量化互相关水平。Physica A，390:614–6181011。[52]B.波多布尼克和H.E.斯坦利。去趋势互相关分析：一种分析两个非平稳时间序列的新方法。物理回顾信，100:0841022008。[53]周文轩。两个非平稳信号的多重分形去趋势互相关分析。物理回顾E，77（6）：0662112008。[54]江泽民和周文星。

多重分形去趋势移动平均互相关分析。物理回顾E，84（1）：0161062011。[55]L.Kristoufek。用DCCA系数测量非平稳序列之间的相关性。Physica A，402:291–2982014。[56]L-Y.他和S-P.陈。农产品期货市场价量关系的非线性二元依赖性：多重分形去趋势交叉相关分析的视角。Physica A，390:297–3082011。[57]L-Y.他和S-P.陈。农业期货市场的多重分形去趋势互相关分析。《混沌孤子与分形》，44:355–36112011。[58]曹俊杰、曹广德、徐立群和贺立业。非对称多重分形去趋势相关分析方法及其在中国金融市场的应用。Physica A，393:460–4692014。[59]G-J.Wang，C.Xie，L-Y.He和S.Chen。去趋势最小方差套期保值比率：不同时间尺度下套期保值比率的新方法。Physica A，405:70–792014。[60]L.Kristoufek。去趋势移动平均互相关系数：测量非平稳序列之间的互相关。Physica A，406:169–1752014。[61]N.范德维尔和M.奥斯洛斯。两个移动平均值的交叉：测量粗糙度指数的方法。物理评论E，58:6832–68341998。[62]E.Alessio、A.Carbone、G.Castelli和V.Frappietro。随机时间序列的二阶移动平均和标度。欧洲物理杂志B，27:197-2002002。[63]S.Arianos和A.Carbone。长程相关序列的互相关。《统计力学杂志：理论与实验》，3:P030372009。[64]L-Y.何和S-P.陈。一种量化幂律互相关的新方法及其在商品市场中的应用。Physica A，390:3806–38141011。[65]A.Carbone和G.Castelli。

长程相关噪声信号的标度特性：金融市场的应用。《间谍诉讼》，5114:406–4142003。[66]J.泰勒、S.尤班克、A.隆廷、B.加尔德里基安和J.D.法默。时间序列非线性测试：替代数据法。Physica D：非线性现象，58:77–941992。[67]M.B.加曼和M.J.克拉斯。基于历史数据的证券价格波动性估计。商业杂志，53:67-781980。[68]R.Y.Chou、H.Chou和N.Liu。《定量金融和风险管理手册》，第1章波动率模型及其在金融中的应用，第1273-1281页。斯普林格美国，2010年。表1：搜索的术语和DJIA组件库存。公司全名公司简称股票搜索查询#1 3M公司3M MMM 3M#2卡特彼勒公司卡特彼勒公司卡特彼勒#3可口可乐公司可口可乐公司可口可乐公司#4 E.I.杜邦公司杜邦公司#5埃克森美孚公司埃克森美孚XOM埃克森美孚公司#6通用电气GE#7家得宝公司家得宝家得宝HD家得宝#8英特尔公司英特尔INTC英特尔#9国际商业机器IBM#10摩根大通摩根大通摩根大通#11强生强生#12麦当劳公司麦当劳麦当劳#13默克公司#。，微软微软微软微软微软微软宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁宝洁公司。

VTp值MTp值q*HDF A3M 2516 2.9267 0.0000 0.0003 0.0000 46 0.9452波音2516 2.7083 0.0000 0.0003 0.0000 65 0.9086卡特彼勒2516 2.0131 0.0120.0001 0.0030 33 1.0467可口可乐2516 1.6006 0.1848 0.0001 0.2647 23 0.9016杜邦2516 2 2.6857 0.0000 0.0002 0.0000 63 0.9276埃克森美孚2265 2.8268 0.0000 0.0003 0.0000 0.0337 0.930.1848通用电气2516 0.0003家得宝130.960.0560.0001 0.1359 67 1.1557IBM 2516 1.2279 0.6424 0.0001 0.1099 372 1.1478英特尔2516 1.7875 0.0070 0.0001 0.0000 164 1.1486强生2516 2.5457 0.0000 0.0002 0.0000 34 0.9964J。摩根大通2393.4226 0.0000 0.0002 0.0000 26 0.8261麦当劳2516 2.0612 0.0000 0.0002 0.0000 127 1.0373默克2516 2.3400 0.0000 0.0002 0.0000 88 0.9314微软2516 1.5279 0.0729 0.0001 0.0060 206 1.0896宝洁2393 3.2807 0.0000 0.0005 0.0000 25 0.94680联合科技2516 2 2 2 2 2 2 2 2 2.7528 0.0000 0.0002 0.874781华特迪士尼2516 0.0003.0000.0003波动性和谷歌搜索之间的平均DCCA和DMCA相关性ρDCCAbσρDC CAp值ρDM CAbσρDM C Ap值显著标志3M 0.0657 0.0270 0.0149 0.0648 0.0112 0.0000 XX+波音-0.0372 0.0275 0.1771-0.0281 0.0162 0.0831×X-卡特彼勒0.1087 0.0231 0.0000 0.1136 0.0086 0.0000 XX+可口可乐0.0315 0.0214 0.1422 0.0369 0.0093 0.0001×X+杜邦0.1658 0.0194 0.0000 0.1590 0.0096 0.0000 XX+埃克森美孚0.0432 0.0170 0.0111 0.0411 0.0101 0.0000 XX+通用电气0.1827 0.0173 0.0000 0.2181 0.0067 0.0000 XX+家得宝0.0095 0.0173×0.0193--IBM 0.1093 0.0247 0.0000 0.1154 0.0047 0.0000 XX+英特尔0.0287 0.0252 0.2536 0.0302 0.0125 0.0160×X+强生-0.0953 0.0308 0.0020-0.1431 0.0227 0.0000 XX-J.P。

摩根士丹利0.0282 0.0176 0.1093 0.0501 0.0094 0.0000×X+麦当劳0.1509 0.0176 0.0000 0.1595 0.0073 0.0000 XX+默克0.0216 0.0328 0.5090 0.0296 0.0228 0.1955××0微软-0.1635 0.0323 0.0000-0.1608 0.0250.0000 XX-宝洁-0.0118 0.0172 0.4944-0.0141 0.0085 0.0960×X-联合技术-0.0813 0.0259 0.0017-0.1076 0.0191 0.0000 XX-华特迪士尼0.0841 0.0195 0.0000 0.0509 0.0052 0.0000 XX+表4：交易量和谷歌搜索之间的平均DCCA和DMCA相关性ρDCCAbσρDC CAp值ρDM CAbσρDM C Ap值显著标志着3M 0.1599 0.0302 0.0000 0.1667 0.0179 0.0000 XX+波音-0.0280 0.0251 0.2647-0.0468 0.0186 0.0117×X-0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 73 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 XX+英特尔0.0357 0.0254 0.1609 0.0345 0.0096 0.0003×X+强生0.0211 0.0254 0.4066-0.0172 0.0173 0.3192×0J。摩根士丹利0.1258 0.0195 0.0000 0.1008 0.0077 0.0000 XX+麦当劳0.2032 0.0185 0.0000 0.2168 0.0133 0.0000 XX+默克0.0463 0.0447 0.3009 0.0328 0.0318 0.3022××微软0.0993 0.0248 0.0001 0.0937 0.0087 0.0000 XX+宝洁0.0724 0.0212 0.0007 0.0865 0.0199 0.0000 XX+联合科技-0.080.080.0156-沃尔特·迪士尼0.2297 0.0437 0.0000 0.1317 0.0209 0.0000 XX+图1：标准化谷歌搜索（第一部分）。

涵盖期为2004年1月1日至31日。12.2013，每日一次。图和表图2：标准化谷歌搜索（第2部分）。图3:DJIA组件股票相关谷歌搜索的DFA缩放（第1部分）。对数-对数表示对长程相关过程显示出深刻的线性标度特性。表1总结了估计的赫斯特指数。2.图4:DJIA组件股票相关谷歌搜索的DFA缩放（第2部分）。图5：谷歌搜索和方差之间的相关系数。分别给出了DCCA（左）和DMCA（右）方法在变尺度和移动平均窗口下的相关性。结果显示了所有分析系列的结果。仅报告了显著相关性（P值低于0.1）。图6：谷歌搜索和交易量之间的相关系数。图5中的符号保持不变。