高频金融数据的复杂相关性方法
摘要：基于不均匀间隔数据，我们提出了一种新颖的方法，可以计算基于Hilbert变换的复相关关系。该方法特别适用于金融领域中的高频交易数据。其最重要的特点是能够在不提前知道的情况下，考虑不同尺度上的先导-滞后关系。我们还展示了在处理东京证券交易所的日内行情时采用该方法获得的结果。我们表明，个别行业和子行业倾向于形成重要的市场组成部分，它们可能会以较小但显著的延迟相互关联。通过分析日经225股票的复相关矩阵的特征向量，可以识别这些组成部分。有趣的是，与传统上被视为噪音的整体特征值相对应的特征向量中也发现了行业组成部分。
作者：Mateusz Wilinski, Yuichi Ikeda and Hideaki Aoyama
论文ID：1706.06355
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2018-03-14