Modeling non-stationarities in high-frequency financial time series
我们研究了属于意大利证券交易所（Borsa Italiana）富时MIB指数的逐点财务回报。我们可以确认先前检测到的非平稳性。然而，在以前的文献中报道的其他高频金融数据的标度属性仅近似有效。作为实证分析的结果，我们提出了一种基于非齐次正态复合泊松过程的描述非平稳收益的简单方法。我们对该模型进行了实证检验，结果表明，该模型可以近似地再现高频金融时间序列的几个程式化事实。此外，使用蒙特卡罗模拟，我们分析了这个模型类的顺序选择使用三个信息准则：赤池的信息准则（AIC），贝叶斯信息准则（BIC）和汉南-奎因信息准则（HQ）。为了比较，我们也进行了类似的蒙特卡罗实验的ACD（自回归条件持续时间）模型。我们的研究结果表明，信息准则的工作最好的小参数数的复合泊松型模型，而ACD模型的模型选择过程中，在某些情况下，并不工作。
2017-02-27 q-fin.ST
State Heterogeneity Analysis of Financial Volatility Using High-Frequency Financial Data
最近，考虑到低频市场动态，几个波动模型，采用高频金融数据，已经开发出来。然而，在金融市场中，我们经常观察到金融波动过程依赖于经济状态，因此它们具有状态异质结构。为了研究基于高频数据的状态异质市场动力学，我们引入了一个基于连续Ito扩散过程的波动率模型，该模型的日内瞬时波动率过程依赖于外生状态变量及其综合波动率。我们称之为状态异构GARCH-Ito（SG-Ito）模型。我们提出了一个拟似然估计程序与已实现波动率代理，并建立其渐近行为。此外，为了检验低频状态异质性，我们开发了Wald检验类型的假设检验程序。实证研究结果表明，标准普尔500指数波动存在杠杆效应、投资者关注度、市场流动性不足、股市联动性和节后效应。
2021-02-26 q-fin.ST stat.AP
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
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
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
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
Wavelet Correlation Coefficient of 'strongly correlated' financial time series
在本文中，我们使用小波的概念，表明两个金融数据之间的相关系数不是恒定的，而是随着尺度从高相关值到强反相关值的变化。在经济物理学中，相关系数是演化金融数据的层次树和最小生成树的重要输入。
2003-10-24 cond-mat.stat-mech q-fin.ST
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
On collective non-gaussian dependence patterns in high frequency financial data
对一篮子股票的滞后和同步日内价格增量的条件分布的分析揭示了相关性引起的波动微笑和峰度降低现象。一个基于多元t-Student分布的模型表明，观测效应是由金融时间序列的集体选择性非高斯相关性引起的。
2006-06-26 physics.soc-ph q-fin.ST
Aftershock prediction for high-frequency financial markets' dynamics
重大金融危机后余震的发生体现了金融市场的临界动态响应。余震给市场带来了额外的压力，可以想象会产生戏剧性的后果。这种现象已被证明是常见的大多数金融资产，无论是在高频率和低频率。它现在的描述依赖于大森在1800年底提出的地震的经验表征。我们指出，在这种现象学方法的预测能力有限，并提出了一个随机模型，基于金融资产的标度对称性，这是潜在的能够预测余震发生，主震震级。与标准普尔高频数据的比较证实了这种预测潜力。
2012-07-13 cond-mat.stat-mech q-fin.ST
Permutation approach, high frequency trading and variety of micro patterns in financial time series
提出了一种在微观尺度上研究金融时间序列的方法--排列法。该方法被用来观察近年来高频交易如何影响金融时间序列中可能看到的微观模式。我们以“滴答滴答”汇率为例。可以看出，各种模式随着时间的推移而演变;目标市场没有主导模式的规模随着时间的推移随着更高频率交易的出现而稳步下降。
2014-07-20 cond-mat.stat-mech 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
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
A new approach to the modeling of financial volumes
本文利用半马尔可夫方法研究了股票交易量的高频动态。更确切地说，我们假设，日内对数变化的体积所描述的加权指数半马尔可夫链模型。基于这一假设，我们表明，该模型是能够重现几个经验的事实，如时间序列的依赖性，每日内的周期性和量的不对称性量的演变。结果已经从一个真实的数据应用程序，从意大利股票市场从2007年1月1日到2010年12月底的高频数据。
2017-09-18 q-fin.ST
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
On return-volatility correlation in financial dynamics
本文利用德国DAX指数和中国股指的日数据和分数据，研究了收益率与波动率的相关性如何在金融动力学中产生。基于延迟波动率模型，我们可以消除或生成时间序列的收益率-波动率相关性，而收益率的概率分布和波动率的长期时间相关性等其他特征，基本保持不变。这表明，金融市场的杠杆效应或反杠杆效应是一种反馈性的收益-波动相互作用，而不是波动的长期时间相关性和收益的非对称概率分布。此外，我们表明，大的波动率主导的金融动态的收益率波动相关性。
2012-02-02 physics.comp-ph q-fin.ST
Multivariate high-frequency financial data via semi-Markov processes
在本文中，我们提出了一个二元推广的加权指数半马尔可夫链研究高频价格动态的交易股票。我们假设金融收益率是由加权指数半马尔可夫链模型描述的。我们表明，通过蒙特卡罗模拟，该模型是能够重现重要的风格化的事实，金融时间序列一样的持续性波动，并在同一时间，它可以重现股票之间的相关性。该模型适用于意大利股票市场从2007年1月1日至2010年12月底的数据。
2013-05-02 q-fin.ST q-fin.TR
Apparent criticality and calibration issues in the Hawkes self-excited point process model: application to high-frequency financial data
本文对自激Hawkes过程在高频金融数据中的应用可能存在的问题进行了仔细的分析。我们仔细分析了一组影响，导致显着的偏差，在估计的“临界指数”n，量化的程度内的多少过去的事件触发未来的事件。我们报告了一些模型偏差，这是固有的估计分支比（n）时，使用幂律记忆内核。我们证明了Hawkes过程在纯Poisson过程的混合物上的标定会导致分支比（n~1）的完全虚假的表观临界值，而真实值实际上是n=0。更一般地说，政权转移的霍克斯模型和/或生成过程本身的参数系统地导致一个显着的向上偏置的分支比的估计。我们还证明了准备的高频金融数据的重要性，并给予特别照顾，由于延迟和分组的消息包由证券交易所的滴答数据的时间戳的质量下降。总而言之，我们仔细探索的霍克斯过程的校准的警告强调，需要考虑所有上述问题之前，任何结论可以维持。在这方面，由于上述影响超出了他们的分析，因此Hardiman、Bercot和Bouchaud（2013）关于金融市场一直在临界状态（n ~ 1）或接近临界状态（n~1）下持续运行的主张不能得到支持。相比之下，我们之前对E-mini标准普尔500期货合约和主要商品期货合约的结果得到了维持。
2014-07-03 q-fin.ST
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
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
Financial LPPL Bubbles with Mean-Reverting Noise in the Frequency Domain
对数周期幂律（LPPL）是内生泡沫时期的资产价格模型。一个主要的开放问题是验证价格序列中LPPL的存在，并估计LPPL参数。每日LPPL回报通常比测量的价格回报小几个数量级，这表明噪声掩盖了潜在的LPPL动态，这使得估计变得复杂。然而，如果噪声是均值回复的，它将在随后的测量中迅速抵消。在本文中，我们试图通过利用LPPL和均值回归的频域特性来抑制价格序列中的均值回归噪声。首先，我们计算的频谱均值回复\ou噪声和噪声的参数设计估计。然后，我们推导出LPPL谱分解成它的两个主要特性的幂律和对数周期。我们比较了历史泡沫期间的价格谱和噪声谱。一般来说，噪音在低频也很强，即使LPPL是价格动态的基础，LPPL也会被噪音掩盖。
2011-01-30 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
Cross-correlation in financial dynamics
为了研究金融动力学中相互作用的普遍结构，我们分析了中国股票市场价格收益的交叉相关矩阵C，并与美国和印度股票市场的交叉相关矩阵C进行了比较。作为一个重要的新兴市场，中国市场表现出比发达市场更强的相关性。在中国市场上，同一行业的股票之间的相互作用很弱，而在异常行业中检测到额外的相互作用。利用双因子模型的一个变体，我们模拟了金融市场中的相互作用.
2012-02-02 physics.comp-ph 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
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
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
Financial bubbles analysis with a cross-sectional estimator
我们强调了一个非常简单的统计工具，用于分析金融泡沫，这已经在[1]中研究过了。我们提供了广泛的实证检验，这一统计工具，并调查分析其与股票相关性结构的联系。
2009-09-16 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
Learning Financial Networks with High-frequency Trade Data
金融网络通常是通过对低频收集的基于价格的经济变量应用标准时间序列分析来估计的（例如，每日或每月的股票回报率或已实现波动率）。这些网络用于风险监测和研究金融市场的信息流动。高频率的日内交易数据集可以利用高分辨率信息，为网络联系提供更多的见解。然而，这样的数据集提出了重大的建模挑战，由于其异步性质，非线性动力学和非平稳性。为了应对这些挑战，我们使用随机森林来估计金融网络。我们的网络中的边缘是通过使用一家公司的微观结构措施来预测另一家公司的市场措施（已实现波动率或回报率峰度）的变化迹象来确定的。我们首先研究了2007年至2009年美国金融危机之前网络连通性的演变。我们发现，网络的密度在2007年最高，与2006年的雷曼兄弟公司的高度连接。对企业间联系性质的第二次分析表明，较大的企业往往比较小的企业提供更好的预测能力，这一发现与市场微观结构文献中以前的工作在质量上是一致的。
2022-08-06 q-fin.ST q-fin.TR
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
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
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
Dynamical Structures of High-Frequency Financial Data
我们研究的动态行为的高频数据从韩国股票价格指数（KOSPI）在韩国金融市场的回报率的运动。我们模型的二值化序列的动力学行为不是完全随机的。条件概率是从KOSPI报价数据的回报序列中数值估计的。非平凡的概率结构可以由自回归（AR），logit和probit模型的二进制时间序列，赤池信息准则显示在第15阶的最小值。从我们的结果中，我们发现AR模型的正确匹配率的值略大于其他模型的结果。
2005-12-23 physics.soc-ph 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
Hawkes process model with a time-dependent background rate and its application to high-frequency financial data
建立了一个具有时变背景利率的Hawkes过程模型，用于分析高频金融数据。在我们的模型中，背景速率的对数由具有相对大量的可变宽度基函数的线性模型建模，并且参数由贝叶斯方法估计。我们的模型不仅可以捕捉到缓慢的时间变化，如在一天的季节性，但也快速的，这之后的宏观经济新闻公告。通过对日经225迷你指数的报价数据进行分析，我们发现：（1）与量化金融领域常用的背景利率为常数和背景利率为缓变的Hawkes模型相比，本文的模型对数据的拟合效果更好;（ii）改善─我们的模型对数据的拟合是显著的，特别是对于背景速率存在相当大的波动的会话;以及（iii）我们的模型在统计上与数据一致。我们的模型估计的分支比是0.41，它量化了市场的内生性水平，这表明了市场动态中外生因素的相对重要性。我们还表明，它是至关重要的，以适当的模型依赖于时间的背景速率的分支比估计。
2017-07-21 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
Multi-scale analysis of lead-lag relationships in high-frequency financial markets
我们提出了一种新的估计方法，用于以非同步方式高频观察到的金融资产的逐尺度领先滞后关系。所提出的估计过程不需要对原始数据集进行任何插值处理，并且适用于具有最高时间分辨率的数据集。在我们以前的工作Hayashi和Koike（2018）中开发的连续时间框架下显示了所提出的估计量的一致性。一个实证应用程序的报价数据集的纳斯达克100指数资产确定两种类型的领先滞后关系在不同的时间尺度。
2020-05-08 q-fin.ST stat.ME
Streaming Approach to Quadratic Covariation Estimation Using Financial Ultra-High-Frequency Data
我们研究了二次协变估计中与内存大小相关的计算问题，同时考虑到金融超高频数据的具体情况。在多变量价格过程中，我们同时考虑了市场微观结构噪声和观测数据的非同步性。我们以二次型形式制定了多尺度、平顶实现核、非平顶实现核、预平均和调制实现协方差估计量，并将其带宽参数固定为常数值。这允许我们使用有限的内存进行操作，并将此估计公式化为流算法。我们比较了性能的估计与固定的带宽参数在模拟研究。我们发现，估计确保正半定性需要更高的带宽比估计没有这个约束。
2021-12-15 q-fin.CP 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
Power-law cross-correlations: Issues, solutions and future challenges
金融时间序列的长期相关性分析是20世纪90年代经济物理学进入主流金融学和金融经济学领域的最初步骤之一。从那时起，许多不同的金融系列已经使用金融之外的标准方法进行了分析，以提供金融市场的一些重要的程式化事实。在2000年代后期，这些方法开始推广到双变量设置，以便更详细地检查两个系列之间的关系。从二元长期相关到尺度相关和回归以及幂律相关序列之间的独特关系幂律相干性，这仅仅是一个单一的步骤。这一领域的迅速发展带来了一些问题和挑战，需要进一步讨论和关注。我们简要回顾了从长期依赖到双变量推广和相关方法的发展和历史步骤，重点关注其技术方面，并讨论了经济物理学这一特定子领域中存在问题的部分和未来方向的挑战。
2018-06-05 q-fin.ST
Multifractality and long memory of a financial index
在本文中，我们将试图评估的多重分形显示的高频回报马德里的证券交易所IBEX 35指数。多重分形去趋势波动分析表明，该指数具有较宽的奇异谱，这很可能是由其长记忆性造成的。我们的研究结果还表明，这种长期记忆可以被认为是高频成分（与市场信息到达的每日周期有关）与缓慢变化的成分的叠加，这些成分在很长一段时间内产生反响，并且与人类经济周期没有明显的关系。因此，后一种成分被假定为市场动态的内生成分，也是通常与金融时间序列相关的某些程式化事实的最可能来源。
2013-06-03 q-fin.ST
Data Normalization for Bilinear Structures in High-Frequency Financial Time-series
金融时间序列分析和预测在过去几十年中得到了广泛的研究，但仍然是一个非常具有挑战性的研究课题。由于金融市场具有内在的噪声性和随机性，大多数金融时间序列的利息是非平稳的，并且往往从不同的模态中获得。这一特性带来了巨大的挑战，并可能显著影响后续分析/预测步骤的性能。最近，时间注意力增强双线性层（TABL）在解决金融预测问题方面表现出了很好的性能。在本文中，考虑到TABL网络中双线性投影的性质，我们提出了双线性归一化（BiN），这是一个简单而有效的归一化层，可以并入TABL网络，以解决输入序列中的非平稳性和多模态带来的潜在问题。我们的实验使用了一个大规模的限制订单簿（LOB）超过400万的订单事件组成的BiN-TABL优于TABL网络使用其他国家的最先进的归一化方案的大幅度。
2020-07-13 cs.CE 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
Study of statistical correlations in intraday and daily financial return time series
本文的目的是对股票的相关性和联动性进行简要回顾和新的研究，以便理解“季节性”和市场演变。使用CAC40的日内数据，我们首先重申Allez和Bouchaud的发现[New J. Phys. 13，025010（2011）]：股票之间的平均相关性在一天中不断增加。然后，我们使用多维缩放（MDS）在生成地图和可视化的动态演变的股票市场在一天。我们没有发现一天中市场结构的任何显著差异。另一个目的是使用MDS研究的每日数据，并可视化或检测市场和危机时期的特定行业。我们建议，这种类型的可视化可用于确定潜在的对股票的“对贸易”。
2012-04-23 q-fin.ST
Recurrent neural network based parameter estimation of Hawkes model on high-frequency financial data
本文提出用循环神经网络估计高频金融数据的 Hawkes 模型参数并计算波动率，在保持与最大似然估计相当精度的同时显著提速，可支持实时连续波动率估计。
2023-04-24 q-fin.ST q-fin.TR stat.ML
Measuring the frequency dynamics of financial connectedness and systemic risk
Charles University（查理大学）；The Czech Academy of Sciences（捷克科学院）
本文提出一种新框架，用于测量因异质频率响应而产生的金融变量关联性，通过频谱表示方差分解估计短期、中期和长期金融周期中的关联性，并发现美国金融机构波动性关联性的丰富时频动态。
2017-12-19 econ.GN q-fin.EC 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
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
Dynamic Multi-Factor Clustering of Financial Networks
我们研究了当有多个因素影响相关性结构时，金融工具形成集群的趋势。具体来说，我们考虑一个股票投资组合，其中包含来自不同行业的公司，位于几个不同的国家。部门成员和地理位置相结合，创造了一个复杂的集群结构，公司似乎首先根据部门进行划分，在每个工业部门内出现地理子集群。我们认为，标准的技术检测重叠集群和社区是无法捕捉这种类型的结构，并显示如何强大的回归技术，而不是可以用来消除行业和地理的影响，分别从相关矩阵。我们的分析显示，在2008年金融危机之前，企业并不倾向于根据地理位置形成集群。这种情况在危机发生后立即发生了变化，地理位置成为集群的一个更重要的决定因素。
2015-05-07 q-fin.ST
