[论文解读] Clustering Financial Time Series: How Long is Enough?

Gautier Marti, Sébastien Andler+2 more|arXiv (Cornell University)|Mar 13, 2016

Complex Systems and Time Series Analysis参考文献 29被引用 15

一句话总结

本文研究了基于相关性的金融资产聚类所需的最短视频长，建立了统计一致性，并通过实证表明，Ward联接法结合Spearman等级相关系数在仅250天（约一年）的日收益数据下即可实现稳定且准确的聚类，其收敛速度和对重尾收益的鲁棒性优于其他方法。

ABSTRACT

Researchers have used from 30 days to several years of daily returns as source data for clustering financial time series based on their correlations. This paper sets up a statistical framework to study the validity of such practices. We first show that clustering correlated random variables from their observed values is statistically consistent. Then, we also give a first empirical answer to the much debated question: How long should the time series be? If too short, the clusters found can be spurious; if too long, dynamics can be smoothed out.

研究动机与目标

• 建立在样本大小T增加时，基于观测相关性的金融时间序列聚类的理论一致性。
• 解决实际问题：时间序列需多长才能避免虚假聚类或动态敏感性丧失？
• 通过不同收益分布下的实证评估，比较各种聚类算法和相关系数的收敛速度。
• 为从业者提供选择最优窗口长度和方法论的实用指南。

提出的方法

• 提出分层相关性块模型（HCBM）以模拟具有块状依赖关系的真实金融相关性结构。
• 使用来自正态分布和t分布模型的模拟时间序列，测试在不同T和N下的聚类性能。
• 采用三种分层聚类算法：单链接法、平均链接法和Ward联接法，每种方法均与皮尔逊相关系数和Spearman等级相关系数结合。
• 将聚类准确率定义为算法恢复真实底层聚类结构的试验比例。
• 应用统计一致性理论，证明在HCBM下，随着T增加，聚类准确率提高。
• 使用热图和经验收敛曲线，可视化准确率随T和相关性强度ρ的变化。

实验结果

研究问题

• RQ1 聚类金融资产所需的最短视频长T是多少，才能获得统计一致的结果？
• RQ2 在非正态收益分布下，不同相关系数（皮尔逊与Spearman）如何影响聚类准确率？
• RQ3 对于有限T，哪种聚类算法（单链接法、平均链接法、Ward联接法）能最快收敛到真实聚类结构？
• RQ4 底层相关性结构（如块状、ρ水平）如何影响可靠聚类所需的T？
• RQ5 能否识别出确保在不同资产池中高聚类准确率的关键窗口大小T？

主要发现

• Ward联接法结合Spearman等级相关系数在约250个日收益后（约一年）即实现稳定且准确的聚类，收敛速度优于其他方法。
• 即使在500天（约两年）的数据下，单链接法和平均链接法仍未收敛到正确聚类，表明其收敛速度较慢。
• 皮尔逊相关系数在正态分布收益下表现最佳，但在重尾分布下失效，而Spearman的rho值则显著更鲁棒。
• 收敛速度高度依赖于底层相关性结构及聚类间的分离程度，当ρ ≤ 0.08时，临界T值急剧上升。
• 实证结果揭示了在(T, ρ)平面上的清晰等准确率曲线，表明准确率可预测不同参数组合下的表现。
• 本研究识别出Ward + Spearman为最优组合，为从业者提供最小窗口长度下可靠的聚类方法。