[论文解读] Asymmetric matrices in an analysis of financial correlations

Jarosław Kwapień, Stanisław Drożdż+2 more|ArXiv.org|May 15, 2006

Complex Systems and Time Series Analysis被引用 6

一句话总结

本文引入一种非对称相关矩阵，以分析金融市场上时间延迟的依赖关系，利用美国与德国股市收益率之间的交叉相关性及其时间滞后。研究发现，美国市场比德国市场滞后3至15秒，表明存在微妙的信息传递，尽管美国市场规模更大且通常反应更快。

ABSTRACT

Financial markets are highly correlated systems that reveal both the inter-market dependencies and the correlations among their different components. Standard analyzing techniques include correlation coefficients for pairs of signals and correlation matrices for rich multivariate data. In the latter case one constructs a real symmetric matrix with real non-negative eigenvalues describing the correlation structure of the data. However, if one performs a correlation-function-like analysis of multivariate data, when a stress is put on investigation of delayed dependencies among different types of signals, one can calculate an asymmetric correlation matrix with complex eigenspectrum. From the Random Matrix Theory point of view this kind of matrices is closely related to Ginibre Orthogonal Ensemble (GinOE). We present an example of practical application of such matrices in correlation analyses of empirical data. By introducing the time lag, we are able to identify temporal structure of the inter-market correlations. Our results show that the American and German stock markets evolve almost simultaneously without a significant time lag so that it is hard to find imprints of information transfer between these markets. There is only an extremely subtle indication that the German market advances the American one by a few seconds.

研究动机与目标

• 研究地理上相距较远的金融市场的延迟相互关联，特别是纽约证券交易所与德国证券交易所。
• 通过引入能够捕捉方向性、时间滞后依赖关系的非对称矩阵，克服对称相关矩阵的局限性。
• 通过分析最大特征值随时间滞后的变化，检验信息是否从一个市场流向另一个市场。
• 将实证结果与Ginibre正交系综（GinOE）零模型进行比较，以识别具有统计显著性的非随机相关性。
• 探讨尽管美国市场规模更大、流动性更高，德国市场是否在信息传递中起领先作用。

提出的方法

• 从两个不相交市场集合（美国与德国市场）中$N$支股票的归一化对数收益率出发，构建非对称相关矩阵$\mathbf{C}_{\text{XY}} = \frac{1}{T} \mathbf{M}_X \mathbf{M}_Y^T$。
• 使用特征值分解$\mathbf{C}_{\text{XY}} \mathbf{v}_k = \lambda_k \mathbf{v}_k$分析谱系，由于非对称性，该谱系可能为复数。
• 应用随机矩阵理论（RMT），特别是Ginibre正交系综（GinOE）作为零模型，以区分实证相关性与随机波动。
• 通过将一个市场的收益率序列相对于另一个市场进行时间偏移，引入时间滞后$\tau$，并计算最大特征值$\lambda_1(\tau)$随$\tau$的变化。
• 在多个时间尺度（$\Delta t = 3, 15, 30, 60, 120$秒）上分析$\lambda_1(\tau)$，以检测非同步耦合与信息传递。
• 将非对称结果与各市场单独的对称自相关函数$\lambda_1(\tau)$进行比较，以评估记忆效应。

实验结果

研究问题

• RQ1 是否存在时间滞后信息传递的证据，表现为最大特征值的非同步峰值？
• RQ2 尽管美国市场规模更大、流动性更高，德国市场是否在信息传播方面领先于美国市场？
• RQ3 两个市场的记忆特性（通过其自相关函数$|\lambda_1(\tau)|$测量）如何影响观察到的交叉相关性？
• RQ4 实证特征值谱在多大程度上偏离GinOE零模型，表明存在非随机的市场间依赖？
• RQ5 在两个市场之间的交叉相关结构中，是否存在除单一主导因子外的多个因素或部分耦合？

主要发现

• 最大特征值$\lambda_1(\tau)$在时间滞后$\tau \approx -3$至$-15$秒时达到峰值，表明当德国市场领先数秒时，美国市场与之的相关性最强。
• 在3秒时间分辨率下，$\lambda_1(\tau)$曲线的非对称性变得明显可见，其最大值从$\tau = 0$发生偏移。
• 自相关函数$|\lambda_1(\tau)|$对$\mathbf{C}_{\text{XX}}$的分析表明，德国市场表现出显著更长且更强的记忆特性，相较于美国市场。
• 两个市场之间的耦合由单一主导因子主导，未发现涉及股票子集的多重或部分耦合的证据。
• 该观察到的时间滞后出人意料，因为人们通常预期规模更大的美国市场会领先，暗示可能存在行为或技术因素，如投资者反应延迟或数据记录失真。
• 即使在考虑两个市场不同记忆特性后，结果仍具有统计显著性，表明德国市场对美国市场存在真实的定向影响。