Mar, 2017

金融市场中二十年相关性、层次、网络和聚类的回顾

PDF
TL;DR本文回顾了金融时间序列聚类及其相关联的其他互动网络的研究现状，旨在将来自不同领域的相关材料聚集在一起。我们希望本文将成为研究人员更有效地使用金融时间序列的替代建模方法以及决策者和量化研究人员利用其洞见的基础。最后，我们还希望这份综述将成为研究金融市场中的相关性、层次、网络和聚类的开放工具箱的基础。
发现论文，激发创造
  • 金融市场的相关性、层次结构和网络

    本文研究了量化研究相关矩阵性质的方法，并介绍了如何从相关矩阵中定义和获得层次树和基于相关性的树和网络。通过对相关矩阵执行分层聚类和其他程序来检测相关矩阵的可靠方面，并且还讨论了将嵌套因子模型与从相关矩阵获得的分层树相关联的方法。通过使用 Kullback-Leibler 距离量化过滤过程中保留的信息及其稳定性。

    Sep, 2008

  • 投资者群体的时间分布及其在专家建议预测中的应用

    研究表明，通过对 2015 年至 2017 年 2 万名外汇交易员的实际交易进行聚类，可以使用 Ewens' Sampling Distribution 描述簇的分布，同时将 Aggregating Algorithm（AA）应用于这些实际数据可以提高交易员风险投资组合的回报，然而当交易中存在过多相似模式时，AA 算法表现不佳，因此应用统计验证网络（SVN）和层次聚类方法可以显著改进 AA 算法在回报的盈利性和平滑性方面的结果。

    Jun, 2024

  • 金融网络中关键转折的拓扑数据分析

    使用拓扑数据分析方法，基于时变相关网络和持续同调代数，检测金融数据中的关键转折点。通过对 2007-2008 年美国金融危机前股票组合的研究，发现了关键转折点的早期信号。

    Jan, 2017

  • 汇率动态聚类

    使用网络科学技术研究了 1991 年至 2008 年外汇市场的相关性，考虑到外汇市场网络，每个节点代表汇率，每个带权重的边表示率之间的时间相关性，并使用动态社区进行派系分析，跟踪交换率的时间动态和市场地位。我们也利用社区动态来揭示外汇市场的重大结构变化，该技术具有广泛的应用前景。

    May, 2009

  • 分层结构与网络中遗漏链接的预测

    这篇论文提出了一种从网络数据中推断出分层结构的通用技术，并证明了层次结构的存在可以同时解释和定量重现网络的许多常见的拓扑特性，同时还展示了层次结构的知识可以用于高精度地预测部分已知网络中的缺失连接，这表明分层结构是复杂网络的一个核心组织原则，能够为许多网络现象提供深刻洞察。

    Nov, 2008

  • 应用于市场预测的通用时间序列数据的因果分析

    本文探究了基于时间延迟的因果分析和皮尔逊相关性在金融市场预测中的应用。作者提出了一种适用于金融市场的时间序列数据的实用方法，并使用不同类型的金融和社交媒体数据进行了实验测试。结果显示该方法可以判别不同实时市场数据之间的因果关系，同时讨论了目前工作中存在的问题和可能的方向。

    Apr, 2022

  • 多通道数据下的动态社区发现：以 2007-2008 信贷危机外汇市场为例

    通过对多通道 (多元) 时间序列的相关性进行表示并研究网络社群的演变，我们探究了簇动力学。在外汇市场网络中，我们使用节点为中心的方法来跟踪社群演化对各节点功能角色的影响。利用动态社群检测，我们成功地发现了信贷危机期间市场中发生的主要交易变化。

    Nov, 2008

  • 通过结合社交与金融网络信息预测未来股市结构

    本篇研究提出了一种基于复合网络方法，结合社交媒体和金融数据的前瞻性的市场相关性预测模型，比当前基于静态金融相关性的模型预测准确率提高了 40%，同时发现社交媒体信息能够在长期预测中得到更好的应用。

    Nov, 2018

  • 复杂网络的结构与功能

    这篇论文回顾了近年来研究网络系统（如 Internet、社交网络和生物网络）的各种技术和模型，包括小世界效应、度分布、聚类、网络相关性、随机图模型、网络增长模型和动态过程。

    Mar, 2003

  • 利用网络科学预测股市动向：一种信息论方法

    本文提出了一种基于时间序列复杂网络（complex networks）和互信息（mutual information）的新方法来预测标准普尔 500 指数（S&P 500）未来的变化，并且使用这种方法可以明显提高建立 ARIMA 模型的准确性，这些发现可以为金融市场决策者提供指示，在市场发生剧烈变化之前干预市场。同时，对于量化投资者来说，这也可以提高他们的预测模型。

    May, 2017