通过多重分形去趋势交叉相关性分析检测外汇中的相关性和三角套利机会

@文章{Gbarowski2019检测CA,title={通过多重分形去趋势互相关分析检测外汇中的相关性和三角套利机会},author={罗伯特·巴罗夫斯基(Robert Gȩbarowski)和帕维·奥斯维·西姆卡(Pawe O shi wi \553]cimka)以及马金·托雷克(Marcin Wątorek)和斯坦尼斯拉夫·德罗·兹德(Stanislaw Dro.zd.z}),journal={非线性动力学},年份={2019},体积={98},页数={2349-2364},url={https://api.semanticscholar.org/CorpusID:204978461}}
对外汇有影响的重大事件表明会引发三角套利机会,同时减少最小时间尺度上的交叉相关性,并破坏多尺度相关性组织。

多元时间序列的多重分形时间加权去趋势互相关分析。

几项数值试验表明,这两种方法都可以识别其分形性,但MMTWXDFA可以检测长期互相关,同时更准确地量化两个多元序列之间的互相关水平。

加密货币市场随时间推移的集体相关性、动态性和行为不一致性

市场崩盘期间,波动性的一致性增加,这是一种新的现象,即波动性分散。

基于去趋势移动平均的二元回归估计量。

对基于DMA的二元线性回归算法进行了测试,并对不同位置参数θ的去趋势窗口进行了估计误差的综合仿真,发现中心去趋势技术(θ=0.5)的性能最好,提供了最准确的估计。

危机期间外汇市场交叉相关性的网络分析。外汇市场全球化

研究表明,危机期间,相互关联性增加,导致派系显著增长,同时汇聚时间序列网络上的节点等级也在增加,这表明危机暴露了全球化进程。

使用预测分析识别零售市场中的套利机会

提出了一个数据分析框架,通过利用机器学习模型,通过合并用户生成的内容,从价格变动中预测最佳购买点,从而识别套利机会。

去趋势波动分析中伪装成多重分形的孤立奇异点的小波识别

在包含时间序列的情况下,讨论了两种广泛使用的多重分形分析方法的稳健性,一种是基于去趋势波动分析,另一种是基于小波前导

外汇市场:收益分布、多重分形、异常多重分形和Epps效应

我们对外汇市场高频回报的各种统计特征进行了系统研究。本研究基于形成两个三角形的六种汇率:

去特化互相关分析一直延伸到多重分形。

提出了一种算法MFCCA,该算法构成了去趋势互相关分析的一致扩展,能够正确识别和量化两个时间序列之间多重分形互相关的细微特征。

去特伦德波动分析可以灵活地检测相互关联波动的范围。

由此产生的新系数ρ(q)不仅可以量化相关性的强度,还可以识别研究中两个信号相关的去趋势波动幅度的范围。

基于多尺度MF-DXA和PCA的股市互相关与结构

基于美国和中国股市的每日收盘价,我们对美国股市和中国股市之间的相互关联和多尺度距离进行了实证分析

两个非平稳信号的多重分形去趋势互相关分析。

    魏兴洲
    数学、物理
  • 2008
提出了一种研究同时记录的两个时间序列或高维量之间幂律互相关的多重分形行为的方法,该方法可应用于湍流、金融、生态学、生理学、地球物理学等多种复杂系统。

股票市场的q-依赖有偏互相关分析

通过利用这些基于q相关关系的网络,本研究能够构建一些更加独立的股票组合,这些股票持续表现更好,并加深了对复杂金融系统集体行为的理解。
...