Block-diagonal idiosyncratic covariance estimation in high-dimensional factor models for financial time series
针对高维金融因子模型中的特质协方差估计，本文利用残差聚类与分块收缩构造两种分块对角估计量，在模拟和历史数据上优于阈值类方法。
2024-07-04 cs.CE q-fin.MF q-fin.ST
From short to fat tails in financial markets: A unified description
在复杂系统中，如湍流和金融市场，在长时间和短时间滞后的动态，分别由高斯和厚尾统计信号，要求一个统一的描述。为了解决这个问题，我们分析了一个真实的数据集，即价格波动，在广泛的时间尺度，以拥抱这两种制度。利用经验时间序列中的Kramers-Moyal（KM）系数，得到了收益率概率密度函数（PDF）的演化方程。我们还提出了一致的渐近解的时间尺度依赖的方程，出现从实证分析。从这些解决方案中，新的关系连接PDF特性，如尾指数，KM系数的参数出现。结果揭示了从高斯到肥尾统计的动态路径，为观察到类似交叉的其他复杂系统提供了见解。
2008-01-21 cond-mat.stat-mech physics.soc-ph q-fin.ST
New Collectivity Measures for Financial Covariances and Correlations
复杂系统通常是非平稳的，其动力学往往是由集体效应。整体性，定义为整个系统或其某些部分的相干运动，表现在协方差矩阵和相关矩阵的时间相关结构中。最大的本征值对应于系统作为一个整体的集体运动，而其他大的、孤立的本征值则表示系统中某些部分的集体性。就金融而言，这些是工业部门。通过消除系统作为一个整体的集体运动，后者的影响更好地显示。我们测量剩余的集体，我们称之为平均部门集体。我们发现了雷曼兄弟倒闭前后和互联网泡沫破裂后的集体信号。对于雷曼兄弟的崩溃，我们找到了一个潜在的前兆。我们分析了1990年至2021年30多年来的213只美国股票。我们绘制了平均部门集体与集体对应的最大特征值，以研究整个市场的轨迹在一个二维空间跨越两个集体。因此，我们以更精确的方式捕捉平均部门集体。此外，我们观察到，平均部门集体中的较大值通常伴随着平均协方差和平均相关性的趋势变化。截至2015/2016年，美国股票市场的总体情况发生了根本性变化。
2022-08-09 q-fin.ST
On clustering financial time series: a need for distances between dependent random variables
以下工作文件总结了我们在金融时间序列分组方面的工作。它是为一个关于信息几何及其在图像和信号处理中的应用的研讨会而写的。这次研讨会汇集了几位纯数学和应用数学专家以及来自医学成像、雷达信号处理和金融的应用研究人员。提交人属于后一类。本文档是一个很长的介绍，介绍了几何工具在金融应用中的进一步发展，如风险或投资组合分析。事实上，风险和投资组合分析基本上依赖于协方差矩阵。除了已知高斯假设是不准确的之外，协方差矩阵很难从经验数据中估计。为了从经验估计中滤除噪声，Mantegna提出使用分层聚类。在这项工作中，我们首先表明，这一过程是统计上一致的。然后，我们建议使用聚类与更广泛的应用比过滤的经验协方差矩阵的估计相关系数。为了做到这一点，我们需要获得金融时间序列之间的距离，这些时间序列包含了这些交叉依赖随机过程中的所有可用信息。
2016-03-25 q-fin.ST stat.ME
Signal and Noise in Financial Correlation Matrices
使用随机矩阵理论，可以导出协方差矩阵的特征值谱与其估计量（实验测量的相关矩阵）的特征值谱之间的精确关系。这些关系将被用来分析一个特定的情况下，在金融系列的相关性，并表明，相反，早期的索赔，相关性也可以衡量的频谱的“随机”的一部分。简要讨论了投资组合优化的影响。
2004-02-03 cond-mat.stat-mech q-fin.ST
The origin of fat tailed distributions in financial time series
物理学中的一个经典问题是由复杂系统产生的厚尾分布的起源。我们研究了不同时滞下股票收益率的分布$τ.$我们发现，通过打乱日收益率的顺序，在不改变$τ= 1$ d分布的情况下破坏所有的相关性，会导致$τ>1$ d的厚尾几乎消失。我们认为，厚尾是由已知的长期波动相关性。事实上，通过只改变日收益的符号（而不是绝对值）的顺序来破坏符号相关性，可以使胖尾持续$τ>1$ d。
2002-11-06 cond-mat.dis-nn q-fin.ST
Parsimonious Quantile Regression of Financial Asset Tail Dynamics via Sequential Learning
The Chinese University of Hong Kong（香港中文大学）；Tencent AI Lab（腾讯人工智能实验室）；City University of Hong Kong（香港城市大学）
我们提出一个简约分位数回归框架来学习金融资产收益率的动态尾部行为。我们的模型很好地捕捉了金融时间序列的时变特性和非对称重尾特性。它结合了流行的顺序神经网络模型的优点，即，LSTM，我们构造了一个新的参数分位数函数来表示资产收益的条件分布。我们的模型还单独捕获了高阶矩的序列依赖性，而不仅仅是波动性。在广泛的资产类别中，我们的模型的条件分位数或VaR的样本外预测优于Gestival家族。此外，所提出的方法不会遭受的问题，分位数交叉，也没有暴露的不适定性相比，参数概率密度函数的方法。
2020-10-16 cs.LG q-fin.RM q-fin.ST
Optimal Covariance Cleaning for Heavy-Tailed Distributions: Insights from Information Theory
该研究揭示最优协方差清洗中最小化Frobenius范数的问题，对多元正态变量等价于最小化信息损失，且该等价性在大矩阵渐近情形下对重尾Student's t分布也成立，搭建了随机矩阵理论与信息论基的物理估计理论的桥梁。
2023-04-28 cs.IT math.IT physics.data-an
Asymmetric excitation of left- and right-tail extreme events probed using a Hawkes model: application to financial returns
我们构建了一个双尾峰值过阈值Hawkes模型，该模型在时间序列内的左尾和右尾极值内和之间捕获不对称的自激和交叉激发。我们证明了它的适用性，通过调查极端的收益和损失的标准普尔500指数的每日日志回报。我们发现，极端的损失和收益的到来描述了一个共同的条件强度，损失的两倍多的收益。然而，前者的贡献衰减速度几乎是后者的五倍。我们将这些不对称归因于市场交易者对资产价格极端向上和向下运动的不同反应：消极偏见的一个例子，其中创伤比欣快更突出。
2021-08-10 physics.soc-ph q-fin.ST
Exploring Financial Networks Using Quantile Regression and Granger Causality
在后危机时代，金融监管机构和政策制定者对数据驱动的工具越来越感兴趣，以衡量系统性风险并确定具有系统重要性的公司。近年来，基于Granger因果关系（GC）的技术在金融公司之间建立网络，利用其股票收益的时间序列受到了极大的关注。现有的GC网络方法对条件均值进行建模，并且不区分收益分布的下尾和上尾的连通性-这是系统性风险分析的关键方面。我们提出了统计方法，使用全系统的尾部分析来衡量金融部门的连通性，并能够区分收益分布的上尾和下尾的连通性。这是使用基于常规和Lasso惩罚分位数回归的二元和多元GC分析来实现的，我们称之为分位数格兰杰因果关系（QGC）。通过考虑这些金融网络的中心性度量，我们可以评估系统性风险的积累并识别风险传播渠道。本文给出了分位向量自回归模型下QGC估计的一个渐近理论，并在模拟数据上证明了它优于常规GC分析。我们将我们的方法应用于美国大型公司的月度股票收益率，并证明基于下尾的网络可以比基于均值的网络更准确地检测历史数据中的系统性风险期。在对印度大型银行的类似分析中，我们发现，上尾和下尾网络传达不同的信息，并有可能区分由市场正面和负面消息控制的高连通性时期。
2022-07-26 q-fin.ST
Multi-dimensional Rational Bubbles and fat tails: application of stochastic regression equations to financial speculation
我们扩展模型的理性泡沫的布兰查德和布兰查德和沃森任意尺寸d：一个数字d的市场时间序列是线性相互依赖的通过d倍d随机耦合系数。我们首先证明，无套利条件要求任何资产i对不同于i的任何其他资产j的非对角影响平均为零，即，必须表现出随机的替代制度的强化和逆向反馈。相反，对角项必须是正的，并且平均等于贴现因子的倒数。将随机矩阵乘积的更新理论的结果应用于随机递归方程（SRE），推广了Lux和Sornette（cond-mat/9910141）的定理，证明了与这种d维泡过程相关的无条件分布的尾部服从幂律（即，表现出双曲线下降），对于所有资产具有相同的渐近尾指数mu<1。在一个大的回报率范围内，价格差和回报率的分布都是由相同的幂律支配的。尾指数的这个小值mu<1在均值和方差不存在方面具有深远的影响。虽然幂律尾是经验数据的普遍特征，但数值mu<1与通常的经验估计值mu约等于3不一致。因此，将理性泡沫的模型推广到任意维度，似乎并不能使我们将模型与金融数据的这些程式化事实相协调。非平稳增长理性气泡模型似乎是目前唯一可行的解决方案（见cond-mat/0010112）。
2001-01-24 cond-mat.stat-mech nlin.AO q-fin.ST
Incorporating fat tails in financial models using entropic divergence measures
在现有的金融文献中，基于熵的思想已经被提出用于投资组合优化、期权定价的模型校准以及不完全市场中定价度量的确定。抽象的问题对应于找到一个概率测度，最小化相对熵（也称为$I$-发散）相对于一个已知的措施，而它满足一定的时刻约束的功能的基础资产。在本文中，我们表明，在$I$-分歧，最优解可能不存在时，标的资产具有厚尾分布，在金融实践中普遍存在。我们注意到，如果使用"多项式发散"，这个缺点可以得到纠正。这种发散可以被看作是等同于众所周知的（相对）Tsallis或（相对）Renyi熵。我们讨论了这个新的优化问题的存在性和唯一性问题，以及在不同的目标下的最优解的性质。我们还确定了最优解结构下$I$发散以及多项式发散时，相关的约束条件包括边际分布的基础资产的功能。这些结果被应用到一个简单的问题的模型校准的期权价格以及投资组合建模在Markowitz框架中，我们注意到，一个合理的观点，一个特定的资产组合有沉重的尾部损失可能会导致肥胖和更合理的尾部分布的所有资产。
2012-03-03 q-fin.GN q-fin.PM q-fin.ST
"Nonlinear" covariance matrix and portfolio theory for non-Gaussian multivariate distributions
本文提供了一个精确的分析特征的资产组合的收益率的分布，其收益率由任意联合多元分布描述。在这个目标中，我们引入了一个非线性变换，将收益映射到高斯变量上，高斯变量的协方差矩阵提供了一个新的非正态收益之间的相关性度量，将协方差矩阵推广到非线性分数协方差矩阵。这个非线性协方差矩阵被凿刻到底层边缘分布的特定厚尾结构，从而确保稳定性和良好的条件。投资组合分布作为映射到粒子物理学中所谓的phi-q场论的解决方案获得，其中我们使用费曼图解技术和大偏差理论提供了广泛的治疗，我们详细说明了多元Weibull分布。我们的理论的主要结果是，最小化投资组合方差（即相对“小”的风险）往往可能会增加大的风险，更高的归一化累积量。大量的实证检验在外汇市场上，令人满意地验证了理论。对于“肥尾”分布，我们证明了对投资组合风险的充分预测更多地依赖于对尾部结构的正确描述，而不是依赖于它们的相关性。
1999-03-12 cond-mat.stat-mech q-fin.ST
The components of empirical multifractality in financial returns
本文以1896年5月26日至2007年4月27日道琼斯工业平均指数的日数据为例，对金融收益率的经验多重分形的组成部分进行了系统的研究。收益率的时间结构和厚尾分布被认为是可能的影响因素。将原始收益率序列的多重分形谱与四种替代数据的多重分形谱进行了比较：（1）不包含时间相关性但具有相同分布的混洗数据，（2）其中任何非线性相关性被去除但分布和线性相关性被保留的替代数据，（3）其中大的正收益和负收益被小的值替换的替代数据，以及（4）从保留时间相关性的可选厚尾分布生成的替代数据。我们发现这些因素都对多重分形谱有影响。我们还发现，时间结构（线性或非线性）对多重分形谱的奇异宽度$Δα$的影响较小，而胖尾对$Δα$的影响较大，这证实了先前的结果.此外，线性相关被发现只有水平平移的多重分形谱的距离约等于其DFA标度指数和0.5之间的差异的影响。我们的方法也可以应用到其他金融或物理变量和其他多重分形形式主义。
2009-10-31 physics.data-an q-fin.ST
Random matrix approach to estimation of high-dimensional factor models
在处理高维数据集时，因子模型往往是有效的降维方法。因子模型的估计在各个领域都得到了积极的研究。在本文的第一部分中，我们提出了一种新的方法来估计高维因子模型，使用残差的经验谱密度。来自金融数据的协方差矩阵的谱通常表现出两个特征方面：少量尖峰和大量。前者代表主要驱动特征的因素，而后者来自特质噪声。出于这两个方面，我们考虑两个谱之间的最小距离;一个来自协方差结构模型，另一个来自通过减去主成分获得的金融数据的实际残差。我们的方法同时提供了估计的因素和残差的相关结构的信息的数量。利用自由随机变量技术，该算法可以有效地实现和控制。蒙特卡罗模拟证实，我们的方法是强大的噪声或弱因素的存在。此外，应用到金融时间序列表明，我们的估计捕捉市场动态的重要方面。
2017-11-23 physics.data-an q-fin.ST
Correlation Structure and Fat Tails in Finance: a New Mechanism
金融时间序列中的厚尾现象和高波动时期股票交叉相关性的增加是令人困惑的事实，需要新的范式。这两点在基础研究和风险管理（极端损失发挥关键作用）中都非常重要。在本文中，我们提出了一个新的模型，旨在涵盖在一个单一的图片这两个功能的股票合奏。股票被建模为准随机游走变量，其中股票运动的非布朗成分由市场趋势引导，根据典型的交易者策略。我们的模型表明，集体效应可能在金融时间序列的一些重要的统计特性的表征中发挥着非常重要的作用。
2001-07-30 cond-mat.stat-mech q-fin.ST
2T-POT Hawkes model for left- and right-tail conditional quantile forecasts of financial log-returns: out-of-sample comparison of conditional EVT models
提出一种适用于单变量时间序列左右尾条件分位数预测的2T-POT Hawkes模型，在六个大盘指数上验证了时间杠杆效应，并在5%及以下覆盖水平的风险价值与预期缺口预测中优于GARCH-EVT模型，为金融风险建模提供了更优方案。
2022-10-14 q-fin.ST
A changepoint approach for the identification of financial extreme regimes
尾部推断通常通过在超过固定阈值的观测值上拟合适当的极限分布来执行。然而，这种阈值的选择是至关重要的，可以影响推理结果。极值混合模型已被定义为使用完整的数据集来估计阈值，并给出准确的尾部估计。这样的模型假设尾部行为对于所有观测都是恒定的。然而，金融收益的极端行为往往会随着时间的推移而发生很大的变化，这种变化是由市场的突然冲击引起的。在这里，我们扩展了极值混合模型类，正式考虑到分布极端变点，允许存在政权依赖的参数建模的尾部分布。该扩展正式使用完整的数据集来估计阈值和极端变点位置，为这两个量提供不确定性度量。极值分析中感兴趣的函数的估计是通过MCMC算法进行的。我们的方法进行评估，通过一系列的模拟，应用到真实的数据集和评估对竞争的方法。有证据表明，在金融应用中，纳入不同的极端制度优于静态和动态的竞争方法。
2019-02-25 q-fin.ST stat.ME
Financial Market Dynamics
来自非广延Tsallis统计的分布与由非线性Fokker-Planck方程描述的动力学密切相关。这一组合在描述具有幂律分布和超扩散动力学的随机过程方面显示出了希望。我们研究在这个框架内的标准普尔500指数的日内价格变化的直接分析和模拟。我们发现，幂律尾部的分布，和指数的扩散动力学，是非常准确地描述了这种方法。我们的研究结果表明，市场数据，福克-普朗克动力学和模拟之间的良好协议。因此，Tsallis非广延熵和非线性Fokker-Planck方程的结合以一种非常自然的方式将分布的幂律尾部及其超扩散动力学统一起来。
2001-08-01 cond-mat.dis-nn cond-mat.stat-mech q-fin.ST
Hermitian and non-Hermitian covariance estimators for multivariate Gaussian and non-Gaussian assets from random matrix theory
本文应用随机矩阵理论的平面高斯图解展开方法，首先对最一般的多元高斯系统，以主方程的形式求出Hermitian等时和非Hermitian时滞互协方差估计量的平均谱密度，其次对真协方差函数的七个特殊玩具模型，求出它们的平均谱密度。对于其中最简单的一个模型，证明了现有结果的错误，并给出了正确的结果，并将其推广到指数加权滑动平均估计以及两个非高斯分布Student t和free Levy.本文围绕金融复杂系统的应用，其结果构成了一个敏感的探测真实的相关性存在。
2012-05-20 cond-mat.stat-mech q-fin.RM q-fin.ST
New statistic for financial return distributions: power-law or exponential?
我们引入了一个新的统计工具（TP-统计量和TE-统计量），专门用于比较幂律分布和指数分布的样本尾部作为阈值下限u的函数的行为。这些统计量的一个重要性质是，它们收敛到零的幂律或指数相应的，无论值的指数或形式参数。这对于独立于量化参数值的可能性来测试分布的结构（幂律或非幂律，指数或非指数）特别有用。我们将这些统计数据应用于道琼斯工业平均指数一个世纪的每日数据和纳斯达克综合指数一年多的5分钟数据的回报率分布。我们的分析证实了以前的作品显示的趋势，尾部越来越像一个幂律的最高分位数，但我们可以检测到明显的偏差，这表明尾部的结构的回报率分布比通常假设的更复杂;它显然是更复杂，只是一个幂律。
2004-03-12 physics.comp-ph physics.data-an q-fin.ST
Fast Times, Slow Times: Timescale Separation in Financial Timeseries Data
本文提出了一种通过广义特征值问题分离金融时间序列中不同时间尺度过程的方法，用于识别资产回报和价格的慢速和快速成分，并应用于参数漂移、均值回归和尾部风险管理。
2026-01-16 q-fin.CP q-fin.PM q-fin.RM
Cleaning the covariance matrix of strongly nonstationary systems with time-independent eigenvalues
提出了一种数据驱动的方法来降低非平稳系统的协方差阵的噪声。在平稳系统的情况下，渐近方法被证明收敛到最优解。这种方法产生的特征值高度依赖于输入，这是常识。我们的方法建议使用一组完全独立于输入的特征值，并对未来对当前特征值的影响进行长期平均编码。这种影响可能是非平稳系统中的主要因素。使用真实的和合成的数据，我们表明，我们的数据驱动的方法优于最佳方法设计的平稳系统的滤波的协方差阵和它的逆，如金融投资组合方差最小化，这使得方法一般相关的许多问题的多元推断。
2023-03-09 physics.data-an q-fin.ST stat.AP
Herd behavior and aggregate fluctuations in financial markets
我们提出了一个简单的股票市场模型，在该模型中，代理之间的随机通信结构以指数截断幂律的形式在股票价格变化的分布中产生重尾，类似于最近高频市场数据的实证研究中观察到的分布。我们的模型提供了两个著名的市场现象之间的联系：一方面在股票市场收益率分布中观察到的重尾，另一方面在金融市场中的“羊群效应”。特别是，我们的研究表明，在资产收益率，市场秩序流和市场参与者的相互模仿的趋势观察到的超额峰度之间的关系。
1998-01-06 adap-org cond-mat.dis-nn cond-mat.stat-mech
Testing power-law cross-correlations: Rescaled covariance test
本文介绍了一种新的检验方法--重标协方差检验，用于检测一对时间序列之间的幂律互相关。检验是基于长程互相关过程部分和的协方差的幂律发散。利用异方差和自相关鲁棒估计的长期协方差，我们开发了一个测试，具有理想的统计特性，能够很好地区分短期和长期的互相关。在估计二元长期记忆参数之前，这种检验应用作分析长期互相关的起点。作为应用，我们证明了金融市场波动率与交易量、波动率与收益率之间的关系可以被标记为具有幂律互相关的关系。
2013-08-29 q-fin.ST
Enhancing Causal Discovery in Financial Networks with Piecewise Quantile Regression
本文提出结合分位数回归与分段线性嵌入的新方法构建因果网络，应用于260个加密货币序列揭示了尾部因果效应与不对称性，发现Bitcoin为主要影响者，为金融市场的分布因果建模提供了综合框架。
2024-08-22 econ.EM physics.soc-ph q-fin.ST
Stochastic volatility of financial markets as the fluctuating rate of trading: an empirical study
我们提出了一个实证研究的从属假说的随机时间序列的股票价格。交易的波动率与股票价格的随机方差相一致，就像在连续时间随机游走（CTRW）框架中一样。对于给定的交易次数N，股票价格变化（对数收益）的概率分布近似为高斯分布。对于给定的时间间隔Dt，N的概率分布是非泊松分布，并且对于大的N具有指数尾，并且对于小的N具有尖锐的截止。结合这两个分布产生了一个非平凡的分布的对数回报率为一个给定的时间间隔Dt，它有指数尾部和高斯中心部分，与经验观察。
2006-12-11 physics.data-an physics.soc-ph q-fin.ST
Volatility Spillovers and Heavy Tails: A Large t-Vector AutoRegressive Approach
波动率是财务分析中衡量风险的关键指标。今天一种金融资产的高波动性可能会影响明天另一种资产的波动性。这些波动之间的滞后影响-我们称之为波动溢出-使用向量自回归（VAR）模型进行了研究。我们考虑到可能的厚尾分布的VAR模型误差使用VAR模型的误差以下的多元学生t-分布与未知的自由度。此外，我们研究了大量资产之间的波动溢出。为此，我们使用惩罚估计的VAR模型的t分布误差。我们研究了能源、生物燃料和农产品之间的波动溢出，揭示了能源和生物燃料之间以及能源和农产品之间的双向波动溢出。
2017-08-07 q-fin.ST
Dynamic Large Spatial Covariance Matrix Estimation in Application to Semiparametric Model Construction via Variable Clustering: the SCE approach
为了更好地理解大型经济和金融时间序列面板的空间结构，并为构建半参数模型提供指导，本文首先考虑估计广义$m$依赖和$β$混合时间序列的大空间协方差阵（使用$J$变量和$T$观测）通过硬阈值正则化，只要${\log J \, \cx^*(\ct)}/{T} = \Co(1)$（前一个方案具有一些时间依赖性测度$\cx^*(\ct)$）或$\log J /{T} = \Co(1)$（后一个方案具有一些上界混合系数）。我们量化的估计的一致性率和时间依赖水平之间的相互作用，讨论了一个直观的resternation方案的阈值选择，并证明了一般的交叉验证结果证明这一点。给定一个一致估计的协方差（相关性）矩阵，利用其与图形模型和半参数的自然联系，在“筛选”解释变量后，我们实现了一种新的前向（和后向）标签置换过程来聚类“相关”变量并构建相应的半参数模型，并通过带符号约束的分组降维方法进一步估计半参数模型.我们称之为SCE（screen-cluster- estimate）方法来建模具有复杂空间结构的高维数据.最后，我们应用这种方法来研究大面板的经济和金融时间序列的空间结构，并找到适当的半参数结构估计消费者价格指数（CPI），以说明其优越性的线性模型。
2011-06-23 q-fin.RM q-fin.ST stat.ME
Power law scaling and "Dragon-Kings" in distributions of intraday financial drawdowns
我们研究了世界上最具流动性的期货金融合约在30秒的时间尺度上的ε-提取和ε-提取的分布。epsilon-drawdowns（分别）负（负）的概念（负）的概念（负）。正）回报，以捕捉投资者可以说是最关心的风险。与收益率的分布类似，我们发现ε-下降和ε-上升的分布呈现出幂律尾部，尽管指数明显大于收益率分布。这一矛盾的结果可以归因于（i）收益之间存在显著的瞬态相关性，以及（ii）存在大的离群值（龙王），其特征在于偏离幂律的下降/上升分布的极端尾部。对水位下降/上升的大小、速度和持续时间之间的尾部相关性的研究表明，大小和速度之间存在明确的关系，但大小和持续时间之间没有关系。这意味着最极端的下跌/上涨往往发生得很快，并由少数非常大的回报所主导。我们讨论了这些极端事件的内源性和外源性起源。
2015-04-07 q-fin.ST q-fin.TR
Simulations of financial markets in a Potts-like model
在Potts模型的基础上提出了一个三态模型来模拟金融市场。这三种状态被分配为“买入”、“卖出”和“不活跃”状态。该模型显示了金融市场中观察到的主要程式化事实：收益率的厚尾分布和绝对收益率的长期相关性。在低的不活动率，该模型有效地减少到两个状态模型的Bornholdt和显示类似的结果Bornholdt模型。随着不活跃性的增加，我们观察到收益率的指数分布。
2005-03-07 cond-mat.other q-fin.ST
TailCoR
经济和金融危机的特点是异常大的事件。这些尾部事件由于线性和/或非线性依赖性而共同移动。我们引入TailCoR，一个结合（和解开）这些线性和非线性依赖关系的度量。两个变量之间的TailCoR基于简单投影的尾部分位数间范围。它是无量纲的，在小样本中表现良好，不需要优化。
2020-11-26 q-fin.ST stat.AP stat.ME
Modeling and Simulation of Financial Returns under Non-Gaussian Distributions
针对金融收益率非高斯分布选型无共识的问题，本文对比研究主流高频收益率分布模型的统计特性，经蒙特卡洛仿真发现其在大幅价格变动标度特性上具有一致性，并探讨了收敛速率及对期权定价的影响。
2023-02-06 physics.soc-ph q-fin.ST
Estimating correlation and covariance matrices by weighting of market similarity
我们讨论了历史金融数据的相关和协方差矩阵的加权估计。为此，我们引入了一个加权方案，占以前的市场条件的相似性，目前的。由此产生的估计是更少的偏见，并显示较低的方差比未加权或指数加权估计。加权方案是基于一个相似性度量，比较当前的相关性结构的市场在过去的时间结构。相似性，然后测量的探针相关矩阵估计为两个不同的时间的差异的矩阵2-范数。该方法在模拟研究中得到了验证，并在均值-方差投资组合优化的背景下进行了实证检验。在后一种情况下，我们发现一个增强的已实现的投资组合回报，以及减少投资组合的波动性相比，基于不同的策略和估计的替代方法。
2010-06-30 q-fin.PM q-fin.ST
