通过实现协方差检测市场制度：无监督学习与非线性模型的比较
摘要：金融市场中存在广泛的制度转换的实证证据。 不同市场制度之间的转变在相关矩阵中得到了体现，其时间变化的系数通常在高度波动的制度中会跳升，导致了常见分散化方法的失效。在本文中，我们旨在通过协方差矩阵来识别市场制度，并检测向高度波动的制度的转变，从而改善尾部风险对冲。从分数差异化舆情类未来价值的时间序列开始，我们将两种模型应用于月度实现协方差矩阵，以检测市场制度。具体而言，通过向量逻辑平滑转换自回归模型(VLSTAR)和通过无监督学习方法，层次聚类进行实现。由于市场制度转换是描述市场行为的潜在变化的不可观察过程，正确识别市场制度转换的能力通过两种方式得到验证：首先，使用随机生成的数据来评估在已知制度的情况下的正确分类；其次，使用通过检测到的市场制度转换进行过滤的简单交易策略来了解是否在考虑市场制度转换时有所改进。结果表明，VLSTAR模型是最好的标记市场制度转换的模型。
作者：Andrea Bucci and Vito Ciciretti
论文ID：2104.03667
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2021-04-09