A review of two decades of correlations, hierarchies, networks and clustering in financial markets
我们回顾了聚类金融时间序列的最新技术，以及它们与其他相互作用网络的相关性研究。本综述的目的是将来自不同领域的相关材料收集在一个地方，例如机器学习，信息几何学，经济物理学，统计物理学，计量经济学，行为金融学。我们希望这将有助于研究人员更有效地使用这种替代模型的金融时间序列。决策者和定量研究人员也可以利用它的见解。最后，我们也希望这一审查将形成一个开放的工具箱，研究相关性，层次结构，网络和集群在金融市场的基础。
2020-11-03 q-fin.ST
A New Method to Estimate the Noise in Financial Correlation Matrices
金融相关矩阵衡量股票之间的非系统相关性。这些信息对风险管理非常重要。相关矩阵被称为“噪声修饰”。我们开发了一种新的替代方法来估计这种噪声。为此，我们模拟某些时间序列和随机矩阵，可以模拟金融相关性。通过我们的方法，可以检测到隐藏在这种噪声下的不同相关结构。此外，我们引入了一个衡量噪声和相关性之间的关系。我们的方法是基于功率映射，有效地抑制噪声。不需要进一步的数据处理或额外的输入。
2002-06-28 cond-mat.stat-mech q-fin.ST
Quantile Correlations: Uncovering temporal dependencies in financial time series
本文利用分位数相关函数对金融时间序列的时间相关性进行了实证研究。这项研究使用了纽约证券交易所标准普尔500指数成份股的盘中数据。在建立了一个经验的概述，我们比较了分位数为基础的相关函数的随机过程从甘精胰岛素家族，并发现显着的差异。这促使我们提出基于分位数的相关函数作为一个强大的工具来评估随机过程和经验数据之间的协议。
2015-07-17 q-fin.GN q-fin.ST
The fine structure of spectral properties for random correlation matrices: an application to financial markets
研究了金融相关矩阵特征值谱的一些性质。特别是，我们调查的性质的大的特征值块观察到的经验，这往往被认为是一个后果，所谓的大量的噪音包含在金融数据。我们挑战这一常识，采取行动的经验相关矩阵的两个数据集的过滤程序，突出了一些集群结构，它们包含，我们分析的后果，这样的过滤特征值谱。我们表明，经验观察到的特征值块出现的叠加较小的结构，这反过来又出现股票之间的交叉相关性的结果。我们解释和证实这些研究结果的因子模型，我们比较经验谱的随机矩阵理论预测这样的模型。
2011-02-20 q-fin.ST
CorrGAN: Sampling Realistic Financial Correlation Matrices Using Generative Adversarial Networks
我们提出了一种新的方法来采样现实的金融相关矩阵。这种方法基于生成对抗网络。实验表明，生成式对抗网络能够恢复大多数已知的关于资产收益估计的经验相关矩阵的程式化事实。这是第一次在文献中记录这样的结果。实际的金融应用范围从交易策略增强到风险和投资组合压力测试。这样的生成模型也可以通过允许陈述的可证伪性和经验方法的更客观比较，帮助经验金融学更深入地融入科学。
2019-12-14 q-fin.ST stat.ML
Asymmetric correlation matrices: an analysis of financial data
我们分析了不同统计系统之间的相关矩阵的谱特性。这样的矩阵本质上是非对称的，并且有助于将通常对标准皮尔逊相关矩阵执行的谱分析扩展到复特征值的领域。我们采用最近的随机矩阵理论的结果，这类矩阵的平均特征值密度来区分噪声和非平凡的相关结构，我们专注于金融数据作为一个案例研究。也就是说，我们采用属于美国和英国证券交易所的股票的每日价格，并寻找这两个市场之间的非对称相关矩阵的特征值谱的相关性的出现。我们发现几个不平凡的结果，也考虑时间滞后的相关性在短滞后，我们证实了我们的研究结果，另外研究我们的数据集的主成分的非对称相关矩阵。
2012-04-27 q-fin.ST
Non-linear correlation analysis in financial markets using hierarchical clustering
距离相关系数（DCC）可用于识别多个变量之间的新关联和相关性。距离相关系数适用于任何维度的变量，可用于确定提供等效信息的较小变量集，仅当变量独立时为零，并且能够检测经典皮尔逊相关系数（PCC）无法检测的非线性关联。因此，DCC比PCC提供更多的信息。我们分析了S\&P500数据库中的大量股票对的距离相关系数，并根据这些相关性度量使用凝聚聚类提供了金融市场状态随机演化的概述。
2023-01-12 q-fin.ST stat.CO
Random Matrix Theory and Cross-correlations in Global Financial Indices and Local Stock Market Indices
我们使用随机矩阵理论（RMT）分析了全球金融指数（全球20个每日股票指数）和当地指数（韩国股票市场200家公司的每日指数）之间的价格波动之间的交叉相关性。我们比较了2008年全球金融危机之前、期间和之后的互相关矩阵的最大和第二大特征向量的特征值和分量。我们发现它的大部分特征值落在RMT界[λ_，λ+]内，其中λ_-和λ_+是随机相关矩阵特征值的上下界。最大正特征值的特征向量的分量指示主导全球和本地指数的相同金融市场模式。另一方面，对应于第二大特征值的特征向量的分量交替地为正值和负值。危机前的成分在危机期间改变符号，危机期间的成分在危机之后改变符号。在全球和地方指数中，与最小特征向量相对应的最大逆参与率在危机后高于任何其他时期。在全球金融危机期间，全球指数之间和本地股票指数之间的相关性受到显著扰动。然而，指数之间的相关性很快恢复了危机前的趋势。
2013-02-26 q-fin.ST
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
Lower spectrum of financial correlation matrices: a new perspective on market synchronization
University of Milano-Bicocca（米兰比可卡大学）
该研究提出从金融相关矩阵的下谱视角分析市场同步性，补充了主成分分析和随机矩阵理论的经典框架，通过真实数据实验验证了最小特征值含市场有效结构信息的方法论有效性。
2026-08-11 q-fin.MF q-fin.ST
Compensating asynchrony effects in the calculation of financial correlations
提出了一种补偿异步时间序列相关性计算中统计误差的方法。该方法是基于一个潜在的时间序列的假设。我们建立了一个模型，并将其应用于金融数据，以检查对较小的回报间隔（Epps效应）的计算相关性的下降。我们表明，这种统计效应是一个主要原因的Epps效应。因此，我们能够仅使用交易价格和交易时间对其进行量化和补偿。
2010-07-06 q-fin.ST q-fin.TR
Dependency Structure and Scaling Properties of Financial Time Series Are Related
我们报告的交叉相关性，层次属性和多重分形的纽约证券交易所每日股票收益率之间的深刻相互作用的证据。不同的股票所显示的多重分形的程度被发现是正相关的，他们在层次结构中的交叉相关性的深度。我们提出了一个动力学模型，再现这一观察以及其他经验性质的数组。该模型的结构是异质风险的层次结构在相关矩阵的时间演化中起着至关重要的作用，提供了一个解释的机制之间的相互作用和多重分形金融市场，其中股票的多重分形的程度与它们在交叉相关结构中的层次定位。本文的实证研究为金融时间序列的单变量多尺度特性和多变量互相关特性的融合提供了一个新的视角。
2013-09-10 q-fin.ST
TimeTrail: Unveiling Financial Fraud Patterns through Temporal Correlation Analysis
本研究提出金融欺诈检测技术TimeTrail，通过时间数据丰富化、动态相关性分析、可解释可视化三阶段，挖掘欺诈的时间关联模式，在准确性和可解释性上优于传统方法，具备实际应用价值。
2023-08-27 cs.LG q-fin.ST
Serial correlation and heterogeneous volatility in financial markets: beyond the LeBaron effect
本文研究了标准普尔500指数的收益率序列相关性与日内波动性之间的关系。在每日和每周的水平上，序列相关性和波动性是负相关的（LeBaron效应）。在确认LeBaron效应也在日内水平上成立的同时，我们超越了它，并补充了有效市场的菌丝（回报率）与异质市场的菌丝（波动性），我们测试了意外波动的影响，定义为波动性的一部分，无法预测，在时间序列中存在序列相关性。我们发现，意外波动，而不是正相关的日内序列相关性。
2008-10-27 physics.soc-ph q-fin.ST
Impact of the tick-size on financial returns and correlations
我们证明，最低可能的价格变化（最小价格变动单位）有很大的影响，金融收益率分布的结构。它诱导微观结构，以及它可以改变尾巴的行为。在小的收益区间上，最小价格变动单位会扭曲相关系数的计算。这尤其发生在小的回波间隔上，因此有助于相关系数向更小的回波间隔衰减（Epps效应）。我们在一个模型中研究这种行为，并在市场数据中识别这种影响。此外，我们提出了一种方法来补偿这种纯粹的统计误差。
2010-07-12 q-fin.ST q-fin.TR
Recovering Structural Organization in Noisy Correlation Networks Using Financial Systems as a Testbed
Indian Institute of Science (IISc)（印度科学学院）
该研究以金融系统为试验台，应用谱分解将含噪声的金融相关矩阵分离，用NIFTY 200等数据验证，表明结构化成分能再现全矩阵特性，去噪网络的金融网络组织性更强，基于此构建的投资组合表现更优，证明谱去噪可恢复有意义的网络结构。
2026-07-14 q-fin.ST
Eigenvalue Distribution of Empirical Correlation Matrices for Multiscale Complex Systems and Application to Financial Data
本文提出了一种基于多尺度特征的金融相关矩阵特征值分布方法，通过引入信息级联模型改进了噪声建模，为金融数据中的噪声减少和真实相关性推断提供了新框架。
2025-07-18 physics.data-an q-fin.ST
Emergence of statistically validated financial intraday lead-lag relationships
根据现代金融学的主要模型，在有效市场中，金融资产之间的日内领先-滞后关系的存在是可以忽略的。然而，随着技术的进步，市场变得更加复杂。为了确定这是否导致了市场有效性的提高，我们研究了在金融市场中是否存在统计上显著的滞后相关关系。我们引入了一种数值方法来统计验证相关网络中的链接，并采用我们的方法来研究金融市场中股票收益率的滞后相关网络。至关重要的是，我们的领先滞后关系的统计验证占多个假设检验所有股票对。在对2002- 2003年和2011- 2012年期间的日内交易数据进行分析时，我们发现，随着我们对回报率进行采样的频率增加，网络的增长速度惊人。我们计算验证链接的数量和相关性的大小如何随着采样频率的增加而变化，并比较两个数据集之间的结果。最后，我们使用入度和出度分布以及对三节点模体的分析，比较了这两个时期的有向相关网络的拓扑性质。我们的分析表明，在过去十年中，金融市场的效率和不稳定性都有所提高。
2014-01-02 q-fin.ST
Construction of Minimum Spanning Trees from Financial Returns using Rank Correlation
由相关矩阵构造最小生成树是研究金融市场关系的常用方法。然而，关于这个主题的大多数工作倾向于使用皮尔逊相关系数，它依赖于正态假设，并且可能对异常值的存在很脆弱，这两种方法都不适合研究财务回报。在本文中，我们研究的推断MST从每日美国，英国和德国的金融回报率使用皮尔逊和两个等级相关的方法，斯皮尔曼和肯德尔的$τ$。使用这些秩方法构造的MST往往比使用Pearson相关性构造的MST更稳定，并且在数据集上保持更多的边缘。Pearson和秩MST之间的边缘一致性取决于市场的状态，但秩MST通常在任何时候都表现出很强的一致性。偏离单变量正态性可能与相关矩阵的变化有关，但更难以与MST的变化联系起来。与系数无关，树往往具有相似的拓扑结构。对于较大的市场，根据MST相关矩阵构建的投资组合的成交额比来自完整协方差矩阵的投资组合的成交额要小，但对于较小的德国市场则不然。利用自举方法，我们发现，使用秩相关构造的相关矩阵是更强大的，但有小的差异之间的鲁棒性的MST。
2020-11-30 cs.CE q-fin.ST
Empirics versus RMT in financial cross-correlations
为了探讨金融相关性与传统随机矩阵理论的关系，本文分析了股票市场相关矩阵的特征值分布、收益率符号间的相关性、波动率的相关性以及主值的多重分形特征。结果表明，股票市场的动态是不能简单地分解成“市场”，“部门”，和Wishart随机散装。当用于构造相关矩阵的时间序列足够长并且因此测量噪声被抑制时，这是清楚可见的。相反，一个层次复杂且高度非线性的市场组织出现了，这表明整个市场的相关信息已经被编码在其组成部分中。
2007-11-05 physics.soc-ph q-fin.ST
Phase separation and scaling in correlation structures of financial markets
金融市场作为复杂系统的典型代表，不同资产的价格收益之间存在着丰富的相关结构。相关性结构会发生剧烈变化，类似于物理现象中的相变，就像有影响力的股票（领导者）和行业（社区）一样，在崩溃等市场事件中。至关重要的是，要发现它们的特征，以便及时干预或预防。在这里，我们使用特征值分解和特征熵，计算不同的股票在交叉相关矩阵的特征中心，以提取信息的混乱在市场上。我们构建了一个“相空间”，在这里不同的市场事件（泡沫，崩溃等）经历相分离并显示有序-无序转变。熵泛函具有标度行为。我们提出了一个通用指标，以促进对市场内部结构的持续监测-这对管理风险和对金融体系进行压力测试很重要。我们的方法将有助于理解和预测复杂系统中的临界点或波动模式。
2020-07-22 cond-mat.stat-mech q-fin.ST
Correlation, Network and Multifractal Analysis of Global Financial Indices
本文运用RMT、Network和MF-DFA方法研究了20个全球金融指数的相关性、网络性和多重分形特性。我们分别比较了2008年金融危机之前和期间的结果。我们发现，网络方法提供了更多有用的信息，形成集群相比，从对应于第二大特征值的特征向量和这些部门的基础上形成的指数的地理位置得到的结果。在阈值0.6时，对应于美洲、欧洲和亚洲/太平洋的指数在危机前断开并形成不同的集群，但在危机期间，对应于美洲和欧洲的指数合并在一起形成一个集群，而亚洲/太平洋指数形成另一个集群。通过将阈值进一步提高到0.9，欧洲国家法国，德国和英国构成了联系最紧密的市场。我们研究了全球金融指数的多重分形性质，发现美洲和欧洲的金融指数与其他指数相比几乎处于相同的多重分形度范围内。印度、韩国、香港的指数与欧美指数的多重分形程度相近。埃及、印度尼西亚、马来西亚、台湾和新加坡的多重分形度变化很大，这可能是当我们提高金融网络的阈值时，这些国家首先在低阈值时开始与金融指数的相关网络断开的原因。我们将二项多重分形模型（BMFM）拟合到这些金融市场。
2012-02-02 q-fin.CP q-fin.ST
Average cross-responses in correlated financial market
在相关的金融市场中，不同股票之间存在非零价格反应。我们通过执行不同的平均值来进一步研究这个问题，这些平均值识别主动和被动交叉响应。两个平均交叉响应对时滞表现出不同的特征依赖性。被动交叉响应具有较短的响应周期和较大的波动率，而主动交叉响应的响应周期较长。给定股票的平均交叉响应是相对于整个市场或不同行业进行评估的。使用响应强度，个股的影响进行了识别和讨论。此外，各种交叉响应以及平均交叉响应与自响应进行比较。相反，股票对的交易符号互相关的短记忆，符号互相关有长记忆时，平均超过不同的股票对。
2016-09-23 q-fin.ST q-fin.TR
Cluster formation and evolution in networks of financial market indices
利用全球金融危机之前和期间世界证券交易所指数的数据，为不同的阈值和不同的时间段建立指数集群和网络，从而可以分析集群是如何根据指数之间的相关性形成的，以及它们如何随时间演变，特别是在金融危机期间。进一步分析了对应于相关矩阵次高特征值的特征向量，揭示了运行在不同时区的市场所特有的结构。
2011-11-22 q-fin.ST
Temporal Evolution of Financial Market Correlations
本文运用随机矩阵理论和主成分分析方法研究了金融市场的相关性。我们利用随机矩阵理论证明了资产价格变动的相关矩阵包含着与不相关的随机价格变动不相容的结构。然后，我们确定这些相关矩阵的主成分，并证明了一个小数目的组件占很大比例的变化，我们考虑的市场。然后，我们通过研究资产价格时间序列和主成分之间的相关性来描述不同资产之间的时间演变关系。使用这种方法，我们发现了金融市场发生的显著变化，并确定了受这些变化显著影响的资产。我们特别指出，在2007- 2008年信贷和流动性危机之后，几个不同市场之间的关系强度有所增加。
2011-05-23 physics.data-an q-fin.ST
Complex Correlation Approach for High Frequency Financial Data
我们提出了一种新的方法，允许计算希尔伯特变换为基础的复杂的相关性不均匀间隔的数据。该方法特别适用于金融界特别感兴趣的高频交易数据。其最重要的特点是能够考虑到不同尺度上的超前-滞后关系，而无需事先知道它们。我们还提出了结果，同时使用这种方法在东京证券交易所的日内报价。我们发现，个别行业和子行业往往会形成重要的市场成分，可能会遵循彼此小，但显着的延迟。这些成分可以通过分析日经225股票的复相关矩阵的特征向量来识别。有趣的是，扇形分量也被发现在对应于批量本征值的本征向量中，传统上被视为噪声。
2017-11-22 q-fin.ST
The topology of cross-border exposures: beyond the minimal spanning tree approach
最近的金融危机突出表明，必须将金融体系理解为相互依存的国家网络，其中跨界金融联系发挥着根本作用。人们还强调，这些网络的相关性依赖于压力事件发生后的变化。采用拓扑方法，我们能够解决的作用，网络结构中发挥的冲击传播，反过来说，压力事件的有效性及其对网络结构的影响。在这里，根据不同时期的一系列银行间负债和债权，我们开发了国家之间的头寸（净债权）网络。除了最小生成树分析的时间约束网络，剩余系数的定义，以捕捉跨境金融联系网络的结构演变。由于一些结构性变化似乎与各国在金融方面发挥的作用有关，因此债务国和债权国的网络也得到发展。实证结果允许相关的网络结构，出现在过去几年中的全球动荡时期，金融体系的特点，自上世纪90年代以来。残差系数突出了1997-2011年期间各国金融联系的一个重要变化，并将最近的金融危机视为1997年以来发生的更大结构性变化的复制品。
2011-12-24 q-fin.ST
Correlation, hierarchies, and networks in financial markets
讨论了定量研究相关矩阵性质的一些方法。相关矩阵在金融市场的投资组合优化和其他几种资产价格动态的定量描述中起着重要的作用。具体地说，我们讨论了如何定义和获得层次树，相关树和网络的相关矩阵。在相关矩阵上执行的用于检测相关矩阵的统计上可靠的方面的分级聚类和其它过程被视为相关矩阵的滤波过程。我们还讨论了一种方法，将层次嵌套的因子模型与从相关矩阵得到的层次树相关联。通过使用Kullback-Leibler距离来量化在过滤过程中保留的信息及其相对于统计波动的稳定性。
2008-09-26 physics.data-an physics.soc-ph q-fin.PM
Complex Systems: From Nuclear Physics to Financial Markets
我们比较了原子核和金融市场的相关性和相干结构。在核物理部分，我们回顾了巨共振，它可以被解释为嵌入混沌的相干结构。用类似的方法，我们研究了DAX和道琼斯指数的金融经验相关矩阵。我们将证明，如果时区延迟被适当地考虑，这两个不同的市场在很大程度上合并为一个。这是反映了最大的特征值，发展相对于其余的差距，混沌特征值。通过对金融总体特性的扩展研究，我们还讨论了金融对数周期的临界相似现象，并给出了具体的例子。
2009-10-22 q-fin.ST
Signal inference in financial stock return correlations through phase-ordering kinetics in the quenched regime
本文提出随机场论模型，在特征值连续谱内建立信号检测阈值，克服主成分分析在随机矩阵情形下失效的问题，并在标普500金融股票收益相关性中成功检测到最大特征值中的信号。
2024-09-29 cond-mat.stat-mech q-fin.MF q-fin.ST
Coarse graining correlation matrices according to macrostructures: Financial markets as a paradigm
本文提出按市场部门粗粒化Pearson相关矩阵以获取Guhr矩阵的方法分析金融市场结构，发现在保持市场状态演化行为相似的同时，将相关变量数量减少了几个数量级。
2024-06-25 physics.data-an q-fin.ST stat.AP
Dynamics of the market states in the space of correlation matrices with applications to financial markets
基于相关性的金融市场状态的概念在过去10年中得到了越来越多的关注。我们建议追溯到2018年的一些重要步骤，然后更详细地介绍最近的发展，试图使这一点更加实用。最后，我们试图给一个一瞥的未来，提出直接或在符号动力学方面的相关矩阵空间的轨迹分析，以及试图分析集群，使状态在一个随机矩阵的上下文中。
2021-07-12 physics.soc-ph q-fin.ST
Random, but not so much: A parameterization for the returns and correlation matrix of financial time series
对金融时间序列的收益率和相关矩阵提出了一种参数化方法，并研究了其性质。这种参数化可以很容易地引入非平稳性，它显示了几个真实的，观察到的实现，如厚尾，波动聚类，和频谱的相关矩阵的特征值，可以理解为随机矩阵理论的结果的扩展。的特征值的参数化的预测行为相比，巴西资产的特征值，它表明，这些预测适合的数据比随机矩阵理论。
2007-01-02 physics.data-an physics.soc-ph q-fin.ST
Cross-Lingual News Event Correlation for Stock Market Trend Prediction
National University of Sciences and Technology（国立科技大学）；Bahria University（巴里亚大学）；Prince Sultan University（苏丹王子大学）
本文构建结构化金融数据集并提出跨语言自然语言金融预测流水线，结合情感分析、命名实体识别和语义相似度，揭示新闻事件与股市趋势的关联，为投资者提供决策支持。
2024-09-16 cs.LG q-fin.ST
Adaptive financial networks with static and dynamic thresholds
基于美国和中国股票市场的日数据，研究了具有静态和动态阈值的金融网络的动态行为。与静态阈值相比，动态阈值抑制了个股价格互相关引起的大幅波动，并在动态演化过程中形成稳定的拓扑结构。平均聚类系数、平均度和度的互相关性均具有长程时间相关性。动态网络的度分布呈现双峰特征。
2010-02-18 physics.soc-ph q-fin.ST
Unveiling the directional network behind the financial statements data using volatility constraint correlation
本文采用波动率约束相关性方法分析东京证券交易所2321家公司28年的五项财务变量，揭示财务报表变量间的方向性影响网络，发现营业利润最具影响力。
2023-06-03 q-fin.CP q-fin.GN q-fin.ST
Trends, Volatility, Correlations, and Critical Phenomena in Financial Markets
Zurich University of Applied Sciences, School of Engineering（苏黎世应用科学大学工程学院）
基于当前市场趋势预测未来波动率和相关性，发现趋势强度与波动率、相关性呈二次关系，改进风险预测并支持临界点晶格气体模型。
2026-06-19 cond-mat.stat-mech physics.data-an q-fin.MF
Partial Mutual Information Analysis of Financial Networks
针对金融市场网络分析依赖线性相关的局限，本文利用偏互信息推广 PMFG 与 PCPG，以刻画金融网络中的非线性关联。
2014-03-09 q-fin.ST
Cross-Correlation Dynamics in Financial Time Series
通过考察滑动时间窗上的特征值谱，研究了多变量金融时间序列的等时互相相关矩阵的动态特性。标准普尔500指数和道琼斯欧洲斯托克50指数的实证结果表明，在这些时间窗口内，交叉相关矩阵的小特征值的动态与最大特征值的动态相反。这种行为被证明是独立的时间窗口的大小和股票数量的审查。然后提出了一个基本的单因子模型，它捕捉了经验数据的特征值谱的主要动力学特征。通过在单因子模型中增加扰动（导致“市场加部门”模型），增加了额外的部门特征，从而产生了与经验数据相当的反向参与率。通过划分的特征值时间序列，然后我们表明，负指数回报，（drawdowns），与最大的特征值是最大的时期，而正指数回报，（drawups），与最大的特征值是最小的时期。相关性动力学的研究提供了一些洞察的集体行为的交易者与不同的策略。
2010-02-01 q-fin.ST
Identifying Dominant Industrial Sectors in Market States of the S&P 500 Financial Data
本研究利用可解释人工智能识别标普500市场状态中的主导部门，发现能源和信息技术是关键因素，并证明简化模型可复制90%的聚类结果，实现维度减少。
2023-03-29 q-fin.ST
Partial correlation analysis: Applications for financial markets
一对股票收益率的同步时间演化之间存在显著的互相关是一个众所周知的经验事实。皮尔逊相关系数通常用于表示给定股票对价格变化的相似程度，但它不衡量其他股票是否影响它们之间的关系。为了探讨第三只股票对两只股票之间关系的影响，我们使用偏相关性测量来确定金融资产之间的潜在关系。在以前工作的基础上，我们提出了一个统计稳健的方法，从四个不同的金融市场：美国，英国，日本和印度提取股票之间的潜在关系。这种方法为金融市场动态提供了新的见解，并揭示了股票之间的隐含影响。为了证明这种方法的能力，我们（i）量化不同公司的影响力，并通过研究不同时间的市场相似性，提出对市场结构和市场稳定性的新见解，以及（ii）我们提出了一个实际应用程序，提供有关公司如何受到不同经济部门影响的信息，以及这些部门如何相互作用。这些例子表明，这一方法在发现对各种个人有价值的信息方面是有效的，这些个人不仅包括投资者和交易者，而且包括监管者和决策者。
2014-02-06 q-fin.ST q-fin.TR
"It Looks All the Same to Me": Cross-index Training for Long-term Financial Series Prediction
University of Bedfordshire（贝德福德郡大学）
本研究探究多种神经网络架构在跨全球市场指数的长期金融序列预测中的交叉训练效果，发现跨市场指数训练模型预测其他市场指数准确率多为积极结果，为有效市场假说提供了新论据。
2025-11-11 cs.LG q-fin.ST
Predicting future stock market structure by combining social and financial network information
我们证明，未来市场的相关性结构可以预测高样本外的准确性，使用一个多路复用的网络方法，结合从社交媒体和金融数据的信息。市场结构是通过量化资产价格回报的共同运动来衡量的，而社会结构则是通过社交媒体对这些资产的意见的共同运动来衡量的。预测是通过一个简单的模型来获得的，该模型使用链接持久性和通过跨金融和社交媒体层的三元闭合的链接形成。结果表明，与假设时不变金融相关结构的基准模型相比，该模型可以预测未来市场结构，样本外性能提高高达40%.社交媒体信息导致所有测试设置的改进模型，特别是在金融市场结构的长期预测中。令人惊讶的是，金融市场结构比社会舆论结构表现出更高的可预测性。
2018-11-26 q-fin.ST
Inferring financial stock returns correlation from complex network analysis
本文通过复杂网络分析模拟股票收益相关性中的噪声与市场成分，发现高特征向量中心性和聚类的股票主导相关性矩阵，并基于模拟市场随机游走构建的最优投资组合在短期收益上比历史均值-方差方法最高提升50%。
2024-07-29 physics.soc-ph q-fin.PM q-fin.ST
Analysis of delay correlation matrices
我们构造和分析对称化延迟相关矩阵的经验数据集的大气和金融数据，以获得信息的时间序列的不同实体之间的相关性随着时间的推移。通过将特征值分布的结果与独立同分布随机数据集的分析结果进行比较，获得了相关性的信息。对于大气的情况下，我们发现长期的多变量时间序列的不同实体之间的相关性。对于金融时间序列，我们发现在超过两天的时间延迟上，不同实体之间几乎没有相关性。金融数据的对称化延迟相关矩阵的大多数特征值关于零对称分布。金融数据的延迟相关结果与随机数据集的分析结果相似。然而，大气数据与随机情况有相当大的偏差。
2006-01-13 cond-mat.stat-mech nlin.CD q-fin.ST
Predicting the State of Synchronization of Financial Time Series using Cross Recurrence Plots
互相关分析是理解时间序列相互动态性的有力工具。本文提出了一种新的方法来预测两个金融时间序列的动态同步的未来状态。为此，我们使用交叉递归图分析作为一种非线性方法，用于量化两个时间序列的时间域中的多维耦合，并用于确定它们的同步状态。我们采用深度学习框架，根据从动态子采样交叉递归图中提取的特征，在方法上解决同步状态的预测问题。我们提供了大量的实验，几个股票，主要成分的标准普尔100指数，实证验证我们的方法。我们发现，预测两个时间序列的同步状态的任务一般是相当困难的，但对于某些对股票可达到非常令人满意的性能。
2022-11-02 q-fin.ST stat.ML
Networks of equities in financial markets
我们回顾了最近的方法，相关性为基础的网络的金融股票。我们研究了不同时间范围的股票投资组合，金融指数和波动时间序列，我们表明，有意义的经济信息可以从噪声相关矩阵中提取。我们表明，该方法可以用来伪造广泛的市场模型，通过直接比较真实和人工市场的网络的拓扑性质。
2004-01-16 cond-mat.stat-mech q-fin.ST
Universal Correlations and Power-Law Tails in Financial Covariance Matrices
通过比较金融协方差矩阵与随机矩阵预测的个体特征值分布和水平间距来检测普遍性的签名。设计了一个斩波程序，以产生一个统计合奏的资产价格协方差从一个单一的金融数据集的实例。最小特征值和个体间距的局部结果在重新洗牌时间窗口和资产时非常稳定。它们分别与普适Tracy-Widom分布和Wigner surprise符合得很好。这表明了很强的鲁棒性，特别是在光谱的低洼部分，最相关的投资组合选择。相反，单个协方差矩阵的全局谱密度以及所有展开的最近邻间距分布的平均值偏离标准高斯随机矩阵预测。数据是在公平的协议与最近推出的广义随机矩阵模型，相关性显示幂律衰减。
2009-06-29 cond-mat.stat-mech physics.data-an q-fin.ST
Unveiling correlations between financial variables and topological metrics of trading networks: Evidence from a stock and its warrant
交易者采用不同的交易策略，以最大限度地提高他们在金融市场的回报。这些交易策略不仅会导致交易网络中特定的拓扑结构，将交易者与成对的买卖关系联系起来，而且还会对市场动态产生潜在的影响。本文基于2005年8月22日至2006年8月23日宝钢股份及其权证的交易审计跟踪数据，详细分析了交易网络中交易者结构与市场行为的关系。在我们的研究中，我们将每个交易日分为48个时间窗口，每个时间窗口的长度为5分钟，在每个窗口内构建一个交易网络，并获得了超过1,100个交易网络的时间序列。我们发现，有很强的同时相关性之间的拓扑指标（包括网络中心化，指数，平均路径长度）的交易网络，订单执行模式和金融变量（包括回报率，波动性，交易持续时间，交易量）的股票和权证的特征。我们的分析可能为复杂系统中元素之间的微观相互作用如何影响系统的性能提供新的思路。
2013-08-05 q-fin.ST
The study of Thai stock market across the 2008 financial crisis
金融市场的上同调理论允许我们在大统一理论中明确定义八种市场状态的情况下，对时间序列数据随时间段的Kolmogorov空间进行变形。在金融市场崩溃的情况下，由交易者之间的耦合行为场诱导的反德西特空间在金融市场时空中起着类似引力场的作用。在这种混合数学超结构下，我们利用泡利矩阵和修正的Wilson环为时间序列数据重新定义了一个行为矩阵。我们用它来检测2008年金融市场崩溃，通过使用一个度的上同调群的球在张量场的相关矩阵在所有可能的主导股票的泰国SET 50指数期货。利用相关矩阵的经验模态分解和内在时间尺度分解以及平面图的贴近中心度计算，对金融张量网络进行了实证分析。
2016-06-09 q-fin.ST
Correction to "Leverage and volatility feedback effects in high-frequency data" [J. Financial Econometrics 4 (2006) 353--384]
Bollerslev et al.（2006）研究了Heston（1993）随机波动率模型下平方收益率的互协方差。为了获得这些互协方差，作者使用了一个不正确的平方收益分布表达式。在这里，我们将获得平方收益率的正确分布，并检查在这个新分布下，Bollerslev et al.（2006）附录A.2中的结果仍然成立。
2009-02-04 q-fin.ST
Asymmetric matrices in an analysis of financial correlations
金融市场是一个高度相关的系统，它揭示了市场之间的依赖关系及其不同组成部分之间的相关性。标准分析技术包括信号对的相关系数和丰富的多元数据的相关矩阵。在后一种情况下，构造一个实对称矩阵，其实非负特征值描述数据的相关结构。然而，如果一个多变量数据进行相关函数的分析，当一个应力放在调查不同类型的信号之间的延迟依赖性，可以计算出一个非对称的相关矩阵与复杂的本征谱。从随机矩阵理论的角度来看，这类矩阵与Ginibre正交包络（GinOE）密切相关。我们提出了一个实际应用的例子，这种矩阵的相关性分析的经验数据。通过引入时滞，我们能够识别市场间相关性的时间结构。我们的研究结果表明，美国和德国的股票市场几乎同时演变，没有显着的时滞，所以很难找到这些市场之间的信息传递的印记。只有一个极其微妙的迹象表明，德国市场比美国市场领先几秒钟。
2006-05-15 physics.soc-ph q-fin.ST
Information-theoretic approach to lead-lag effect on financial markets
最近，研究者的兴趣已经从分析金融工具的同步关系转移到分析更有意义的异步关系。这两种分析都只集中在皮尔逊相关系数上，因此与此相关的日内领先滞后关系。在有效市场假说下，这种关系是不可能的，因为所有的信息都包含在价格中。在本文中，我们分析的领先滞后关系的金融工具和扩展已知的方法，使用互信息，而不是皮尔逊的相关系数，这不仅是一个更一般的措施，敏感的非线性依赖关系，但也可以导致一个更简单的程序的统计验证金融工具之间的联系。我们使用纽约证券交易所100指数的数据分析滞后关系，不仅在日内水平，而且每天的股票收益率，这通常被忽视。
2014-02-16 q-fin.ST
Cross-response in correlated financial markets: individual stocks
以往的研究主要集中在单个股票的动态，即他们解决了自我反应的股票价格对交易的反应。本文实证研究了相关市场中一只股票对其他股票交易的价格反应，即交叉反应。一只股票对其他股票的影响有多大，反之亦然？--从市场有效性的观点来看，交易对股票价格变动的影响不是永久性的，而是暂时性的。此外，我们还比较了不同量表上的自我反应以及同一量表上的自我反应和交叉反应。我们还发现，交叉相关的贸易迹象原来是一个短记忆过程。
2016-04-25 q-fin.ST q-fin.TR
