[论文解读] The Wick theorem for non-Gaussian distributions and its application for noise filtering of correlated q-Exponentialy distributed random variables

Repetowicz, Przemyslaw, Richmond, Peter|ArXiv.org|Nov 4, 2004

Complex Systems and Time Series Analysis参考文献 2被引用 5

一句话总结

本文推导了q-高斯（q-指数）分布的广义Wick定理，使可通过两点关联函数精确计算高阶关联函数。该文提出了一个数值算法，能够从经验谱矩重建q-指数分布的关联时间序列的关联矩阵，为金融风险建模和投资组合优化提供了非高斯化的协方差矩阵估计方法。

ABSTRACT

We derive the Wick theorem for the q-Exponential distribution. We use the theorem to derive an algorithm for finding parameters of the correlation matrix of q-Exponentialy distributed random variables given empirical spectral moments of the time series.

研究动机与目标

• 将经典Wick定理推广至具有幂律尾部且在q=1时收敛于高斯分布的非高斯q-指数分布。
• 解决定量金融中的逆问题：从金融时间序列的经验谱矩重建潜在关联结构。
• 开发一种数值算法，利用谱矩数据估计q-指数分布的关联随机变量的关联矩阵。
• 在非高斯、重尾收益率分布下，实现金融风险与投资组合优化的改进建模。
• 将现有基于高斯的协方差矩阵谱结果推广至非高斯q-指数情形，尤其适用于经济物理学应用。

提出的方法

• 利用随机方差的高斯分布叠加表示，推导N个相关q-指数分布随机变量的傅里叶变换。
• 通过辅助场ξ的路径积分表示联合概率密度，得到依赖于旋转张量O的随机协方差矩阵C(ξ)的高斯化形式。
• 通过完成高斯积分中的平方项，计算特征函数，得到包含有效协方差矩阵逆矩阵的预解式表达。
• 将预解式按1/z的幂级数展开，将谱矩m_n与旋转张量O和方差σ_D的缩并关联。
• 通过图解展开（预解式至三阶）系统计算谱矩生成函数。
• 建立一个非线性方程组，将经验谱矩与潜在关联结构的参数联系起来，构成逆问题求解的基础。

实验结果

研究问题

• RQ1 Wick定理能否推广至非高斯q-指数分布，特别是用于建模具有幂律尾部的金融收益率分布？
• RQ2 q-指数分布的关联随机变量的高阶关联函数在何种程度上可表示为两点关联函数的函数？
• RQ3 在q-指数假设下，金融时间序列的关联矩阵在多大程度上可从其经验谱矩中重建？
• RQ4 q-指数分布变量的预解式矩展开结构是什么？与高斯情形有何不同？
• RQ5 可推导出何种数值算法，以从观测谱矩中求解逆问题，估计旋转张量和方差？

主要发现

• 为q-指数分布推导出广义Wick定理，通过辅助场的路径积分，将N点关联函数表示为两点关联函数的函数。
• 经验协方差矩阵的预解式按1/z展开，其系数涉及旋转张量O与方差σ_D的缩并。
• 经验协方差估计器的谱矩m_n与关联张量C(ξ)的平均缩并相关，后者依赖于旋转张量和分布参数。
• 通过矩展开求解了正问题——即从O和σ_D计算谱矩，为模拟提供了理论框架。
• 逆问题——即从经验谱矩重建O和σ_D——仍为开放问题，但已形式化为非线性方程组，为未来数值算法奠定基础。
• 该框架将随机矩阵理论中基于高斯结果推广至非高斯q-指数情形，实现了对具有重尾的金融时间序列的噪声滤波与改进建模。