[论文解读] Irreversibility of financial time series: a graph-theoretical approach

Lucas Lacasa, Ryan Flanagan|arXiv (Cornell University)|Jan 8, 2016

Complex Systems and Time Series Analysis被引用 5

一句话总结

本文提出一种基于图论的可见性算法方法，用于量化金融时间序列中的时间不可逆性，表明股价动态在统计上是不可逆的，且该不可逆性指标可与波动率互补，用于识别金融压力时期并对公司进行排序。该方法成功基于35只纽约证券交易所股票（1998–2012年）的集体不可逆性模式，对市场动荡时期（如网络泡沫和全球金融危机）进行聚类。

ABSTRACT

The relation between time series irreversibility and entropy production has been recently investigated in thermodynamic systems operating away from equilibrium. In this work we explore this concept in the context of financial time series. We make use of visibility algorithms to quantify in graph-theoretical terms time irreversibility of 35 financial indices evolving over the period 1998-2012. We show that this metric is complementary to standard measures based on volatility and exploit it to both classify periods of financial stress and to rank companies accordingly. We then validate this approach by finding that a projection in principal components space of financial years based on time irreversibility features clusters together periods of financial stress from stable periods. Relations between irreversibility, efficiency and predictability are briefly discussed.

研究动机与目标

• 使用图论方法研究金融时间序列中的时间不可逆性。
• 评估与熵产生相关的不可逆性是否为标准波动率指标提供互补信息。
• 基于集体不可逆性特征，将金融时期分类为稳定或压力状态。
• 根据时间不可逆性对公司在组合设计和可预测性分析中的潜在应用进行排序。
• 通过可见性图表示，验证不可逆性度量在非平稳金融数据中的稳健性。

提出的方法

• 将每只股票的价格时间序列转换为可见性图，其中节点代表数据点，边由可见性准则确定。
• 计算可见性图的入度和出度分布，以捕捉时间序列中的方向依赖性。
• 通过入度与出度分布之间的Kullback-Leibler散度量化时间不可逆性。
• 通过与零模型（如随机重排或反转序列）对比，验证不可逆性度量并非由波动率或随机性驱动。
• 使用不可逆性特征将金融年度投影到主成分空间，以检测稳定与压力时期聚类。
• 在不可逆性得分的时间序列上应用聚类算法，以识别金融压力时期。

实验结果

研究问题

• RQ1 在非平稳环境下，能否通过图论方法有意义地量化金融时间序列中的时间不可逆性？
• RQ2 所提出的不可逆性度量与传统波动率指标相比，在捕捉市场动态方面表现如何？
• RQ3 跨多只公司的集体不可逆性特征能否有效将金融时期分类为稳定或压力状态？
• RQ4 公司是否表现出独特且随时间变化的不可逆性模式，从而实现基于其动力不可逆性的公司排序？
• RQ5 金融市场上，不可逆性与可预测性或市场有效性之间是否存在可检测的关联？

主要发现

• 所研究的35家公司在统计上均表现出显著的时间不可逆性，表明其价格动态不可时间反转，因此违反了弱式有效市场假说的假设。
• 不可逆性度量与波动率无关，证实其捕捉了超越价格波动率的独立动力学信息。
• 公司可依据其平均不可逆性进行排序，其中阿科拉（AA）排名第4位，约翰逊与约翰逊（JNJ）排名第35位，反映出不同程度的动力不可逆性。
• 对不可逆性特征进行主成分分析，成功实现金融年度的聚类，将全球金融危机（2008–2009年）和网络泡沫（2000–2001年）识别为独立的压力时期。
• 小规模聚类分析显示，2011年和2007年的不可逆性特征相似，表明危机的开始与结束在动力学上留下相似的印记。
• 可见性图方法即使在非平稳金融时间序列中也能实现不可逆性的稳健量化，适用于现实市场的分析。