因果关系是一种超越相关关系的事物间的联系,更像是事物之间的内在规律.其已经被广泛应用于神经科学,经济学,气候学,物理和生物学等领域,目前主流的因果分析方法主要是格兰杰因果分析,它是一种基于自回归模型的分析方法,多用于检测线性系统的因果关系.近些年,一种新的分析因果关系的方法——收敛交叉映射(CCM)方法也得到了广泛应用,它是一种基于几何学中关于流形重构的分析方法,相比于格兰杰因果分析方法而言,其理论并不完善,但是在检测非线性系统的因果关系时却具有显著的优势,本文主要探究这两种因果关析推理的可靠性,并针对10个行业指数进行因果网络分析,同时对汇率和上证指数进行实证分析,来分析汇率市场和股票市场之间的联系.本文针对格兰杰因果分析和收敛交叉映射因果分析主要做了如下工作:·提出利用动态时间扭曲(DTW)相似量来替代交叉收敛映射算法中涉及到的欧氏距离以及皮尔森相关.·构造了具有单向因果关系的耦合系统验证了格兰杰因果分析方法和收敛交叉映射因果方法的合理性.此外,分别探究了采样间隔对格兰杰因果和收敛交叉映射因果的影响.·最后,利用格兰杰因果进行10个行业之间的因果网络分析,同时基于格兰杰因果分析和收敛交叉映射因果分析方法探究汇率市场和股票市场的联系.