×

股票相关性的隐噪声结构和随机矩阵模型。 (英语) Zbl 1278.91187号

摘要:我们在股市收益的剩余噪声中发现了一种新的相关结构,该结构与驱动收益的前几个重要因素的组成和稳定性显著相关,并且表明噪声带由多个子带组成,这些子带并不完全混合。我们的发现使我们能够构建与相关性和特征向量聚类密切相关的有效广义随机矩阵理论市场模型。我们展示了如何在包含重尾的模拟中使用这些模型。最后,我们演示了传统清洁处方中如何产生微妙的纯平稳风险估计偏差。

MSC公司:

91G70型 统计方法;风险措施
91G80型 其他理论的金融应用
60对20 随机矩阵(概率方面)
62P05号 统计学在精算学和金融数学中的应用
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Avellaneda M,工作文件系列(2008)
[2] 内政部:10.1209/0295-5075/78/10001·兹比尔1244.82029 ·doi:10.1209/0295-5075/78/10001
[3] Biroli G,《物理学学报》。波兰。B 38(13)第4009页–(2007)
[4] DOI:10.1017/CBO9780511753893·doi:10.1017/CBO9780511753893
[5] DOI:10.1103/物理版次E.71.026111·doi:10.1103/PhysRevE.71.026111
[6] DOI:10.1103/PhysRevE.74.041129·doi:10.1103/PhysRevE.74.041129
[7] Dimov,I.Shiber,D.,Kolm,P.和Maclin,L.,编制中,2011年
[8] Gopikrishnan,P.Rosenow,B.,Plerou,V.和Stanley,H.E.,《从股价波动中识别商业部门》。arXiv:cond-mat/00111452000·Zbl 1001.91026号
[9] 库尔卡尼五世,欧罗普提斯。J.B 60第101页–(2007年)
[10] 内政部:10.1103/PhysRevLett.83.1467·doi:10.1103/PhysRevLett.83.1467
[11] DOI:10.1103/PhysRevE.72.016219·doi:10.1103/PhysRevE.72.016219
[12] 数字对象标识码:10.1007/s100510050929·doi:10.1007/s100510050929
[13] DOI:10.1070/SM1967v001n04ABEH001994·兹比尔0162.22501 ·doi:10.1070/SM1967v001n04ABEH001994
[14] Mehta ML,《随机矩阵》(1991)
[15] DOI:10.1103/PhysRevE.76.046116·doi:10.1103/PhysRevE.76.046116
[16] DOI:10.1103/PhysRevLett.83.1471·doi:10.1103/PhysRevLett.83.1471
[17] DOI:10.1103/PhysRevE.65.066126·doi:10.1103/PhysRevE.65.066126
[18] 波特M,《物理学学报》。波兰。B 36第2767页–(2005年)
[19] DOI:10.1103/PhysRevE.60.3389·doi:10.1103/PhysRevE.60.3389
[20] 内政部:10.1209/0295-5075/86/48005·doi:10.1209/0295-5075/86/48005
[21] DOI:10.1103/PhysRevE.70.026110·doi:10.103/物理版本E.70.026110
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。