×

金融时间序列模糊聚类之间的制度依赖性相互联系。 (英语) Zbl 07363876号

摘要:我们分析了定义的资产组中较低尾部相关系数的动态结构,从而使属于同一组的资产在极低值之间具有成对的高关联性。这些组通过模糊聚类分析算法进行识别。使用Joe-Clayton copula函数估计尾部相关性系数,并使用簇内第75个百分位作为每个簇的总体尾部相关性的度量。然后分析集群尾部依赖动力学的相互依赖结构,以确定是否可以使用Granger因果关系方法根据其他集群的过去值预测集群的模式。本文还利用阈值向量自回归模型研究了尾部相关中可能的状态切换动力学假设,并将结果与线性自回归的结果进行了比较。整个程序参考了一个涉及组成Eurostoxx 50的资产的案例研究进行描述,但它可以被视为通用方法的建议,可适用于任何一组资产收益时间序列。

MSC公司:

62H30型 分类和区分;聚类分析(统计方面)
62M10个 统计学中的时间序列、自相关、回归等(GARCH)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 巴拉,E。;埃尔根,I。;Migueis,M.,《美国大型存款机构的尾部依赖性和系统风险指标》,《金融Stab杂志》,第15期,195-209年(2014年)·doi:10.1016/j.jfs.2014.10.002
[2] 比利奥,M。;Getmansky,M。;Lo,AW;Pelizzon,L.,《金融和保险行业关联性和系统风险的计量经济学计量方法》,《金融经济学杂志》,104,3,535-559(2012)·doi:10.1016/j.jfineco.2011.12.010
[3] 坎佩洛,RJ;Hruschka,ER,用于聚类分析的轮廓宽度标准的模糊扩展,模糊集系统,157,21,2858-2875(2006)·Zbl 1103.68674号 ·doi:10.1016/j.fss.2006.07.006
[4] Csardi,G。;Nepusz,T.,复杂网络研究的igraph软件包,国际复杂系统杂志,1695,1-19(2006)
[5] 德卢卡,G。;Zuccolotto,P.,金融时间序列聚类的基于尾部相关性的差异性度量,Adv Data Anal Classif,5,4,323-340(2011)·文件编号:10.1007/s11634-011-0098-3
[6] 德卢卡,G。;Zuccolotto,P.,金融时间序列的动态尾部依赖聚类,Stat Pap,58,1-17(2015)·Zbl 1416.62581号
[7] 德卢卡,G。;Zuccolotto,P.,基于极端事件的金融时间序列双聚类算法,统计风险模型,34,1-12(2017)·Zbl 1362.60051号 ·doi:10.1515/strm-2015-0026
[8] Di Narzo AF、Aznarte JL、Stigler M、Tsung-Wu H(2020)tsDyn:具有状态切换的非线性时间序列模型。https://cran.r-project.org/web/packages/tsDyn/
[9] Disegna,M。;D’Urso,P。;Durante,F.,基于Copula的空间时间序列模糊聚类,Spat Stat,21209-225(2017)·doi:10.1016/j.spasta.2017.07.002
[10] 杜兰特,F。;帕帕达,R。;Torelli,N.,风险情景下金融时间序列的聚类,高级数据分析分类,8,4,359-376(2014)·Zbl 1414.62241号 ·doi:10.1007/s11634-013-0160-4
[11] 杜兰特,F。;帕帕达,R。;Torelli,N.,通过非参数尾部相关性估计对时间序列进行聚类,Stat Pap,56,3,701-721(2015)·Zbl 1317.62053号 ·doi:10.1007/s00362-014-0605-7
[12] D’Urso,P。;卡佩利,C。;Di Lallo,D。;Massari,R.,《金融时间序列的聚类》,Phys A Stat Mech Appl,392,9,2114-2129(2013)·doi:10.1016/j.physa.2013.01.027
[13] D’Urso,P。;De Giovanni,L。;Massari,R.,基于Garch的时间序列稳健聚类,模糊集系统,305,1-28(2016)·Zbl 1368.62167号 ·doi:10.1016/j.fss.2016.01.010
[14] D’Urso,P。;De Giovanni,L。;Massari,R.,基于动态时间扭曲的金融时间序列修剪模糊聚类,Ann Oper Res,2019,1-17(2019)
[15] Ferraro M、Giordani P、Serafini A(2019)《模糊聚类的R包》,《R期刊》第11期。https://journal.r-project.org/archive/2019/RJ-2019-017/RJ-2019-01-pdf
[16] Hansen,BE,《线性测试》,《经济调查杂志》,13,5,551-576(1999)·数字对象标识代码:10.1111/1467-6419.00098
[17] Hubrich,K。;Teräsvirta,T.,向量自回归模型中的阈值和平滑过渡,《Adv Econom》,32,273-326(2013)·兹比尔1443.62153 ·doi:10.1108/S0731-9053(2013)0000031008
[18] Joe,H.,多元模型和多元相关性概念(1997),博卡拉顿:CRC出版社,博卡拉顿·Zbl 0990.62517号 ·doi:10.1201/b13150
[19] Joe,H.,基于copula模型的两阶段估计方法的渐近效率,J Multivar Ana,94,401-419(2005)·Zbl 1066.62061号 ·doi:10.1016/j.jmva.2004.06.003
[20] 拉富恩特·雷戈,B。;JA Vilar,使用分位数自方差对时间序列进行聚类,高级数据分析分类,10,3,391-415(2016)·Zbl 1414.62372号 ·doi:10.1007/s11634-015-0208-8
[21] 拉富恩特·雷戈,B。;D’Urso,P。;Vilar,JA,基于分位数自方差的稳健模糊聚类,Stat Pap,2018,1-56(2018)·Zbl 1397.62233号
[22] 刘,X。;吴杰。;杨,C。;Jiang,W.,金融时间序列的最大尾部依赖聚类方法及其在投资组合选择中的应用,Risks,6,115,1-26(2018)
[23] Lo,MC;齐沃特(Zivot,E.),《门槛协整与单一价格定律的非线性调整》,《宏观经济动态》,第5533-576页(2001年)·Zbl 1008.91504号 ·doi:10.1017/S136510050102057
[24] 帕特罗,丹麦;齐,M。;Sun,X.,《系统风险的简单指标》,J Finance Stab,9,1,105-116(2013)·doi:10.1016/j.js.2012.03.002
[25] Ruspini,EH,一种新的聚类方法,Inf Control,15,1,22-32(1969)·兹比尔0192.57101 ·doi:10.1016/S0019-9958(69)90591-9
[26] 裕利安怡Ruspini;贝兹德克,JC;Keller,JM,《模糊聚类:历史视角》,IEEE Comput Intell Mag,14,1,45-55(2019)·doi:10.1109/MCI.2018.2881643
[27] Schepsmeier U、Stoeber J、Brechmann EC、Graeler B、Nagler T、Erhardt T(2018)《葡萄园:葡萄交配的统计推断》。R包版本2.1.8。CRAN上提供
[28] Sims,C.,《宏观经济学与现实》,《计量经济学》,48,1-48(1980)·doi:10.2307/1912017年
[29] 弗吉尼亚州维拉尔;拉富恩特·雷戈,B。;D’Urso,P.,分位数自协方差:时间序列硬分区和软分区聚类的强大工具,模糊集系统,340,38-72(2017)·Zbl 1397.62233号 ·doi:10.1016/j.fss.2017.03.006
[30] 温克勒,R。;Klawonn,F。;Kruse,R.,与m-估计量相关的多项式模糊化函数模糊聚类,应用计算数学,10,1,146-163(2011)·Zbl 1208.62105号
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。