[论文解读] Examining Lead-Lag Relationships In-Depth, With Focus On FX Market As Covid-19 Crises Unfolds

Kartikay Gupta, Niladri Chatterjee|arXiv (Cornell University)|Apr 22, 2020

Complex Systems and Time Series Analysis被引用 5

一句话总结

本文提出了一种基于动态规划的新方法，用于识别金融时间序列中的领先-滞后关系，引入了一种'宽松度量'，以量化序列之间的相似性与时间上的优先顺序。该方法应用于新冠疫情爆发期间的外汇市场，检测到货币走势日益同步，美元作为中心枢纽地位凸显，相较于现有模型，在合成数据与真实世界数据上的显著性与预测准确性均表现更优。

ABSTRACT

The lead-lag relationship plays a vital role in financial markets. It is the phenomenon where a certain price-series lags behind and partially replicates the movement of leading time-series. The present research proposes a new technique which helps better identify the lead-lag relationship empirically. Apart from better identifying the lead-lag path, the technique also gives a measure for adjudging closeness between financial time-series. Also, the proposed measure is closely related to correlation, and it uses Dynamic Programming technique for finding the optimal lead-lag path. Further, it retains most of the properties of a metric, so much so, it is termed as loose metric. Tests are performed on Synthetic Time Series (STS) with known lead-lag relationship and comparisons are done with other state-of-the-art models on the basis of significance and forecastability. The proposed technique gives the best results in both the tests. It finds paths which are all statistically significant, and its forecasts are closest to the target values. Then, we use the measure to study the topology evolution of the Foreign Exchange market, as the COVID-19 pandemic unfolds. Here, we study the FX currency prices of 29 prominent countries of the world. It is observed that as the crises unfold, all the currencies become strongly interlinked to each other. Also, USA Dollar starts playing even more central role in the FX market. Finally, we mention several other application areas of the proposed technique for designing intelligent systems.

研究动机与目标

• 开发一种稳健的、类似度量的指标，用于识别金融时间序列中的领先-滞后关系。
• 改进对领先-滞后路径的实证检测，超越传统的相关性或互相关方法。
• 分析新冠疫情大流行期间外汇市场的动态拓扑结构。
• 利用合成数据与真实外汇数据，评估该方法相较于最先进模型的性能表现。
• 展示该技术在智能金融系统与市场结构分析中的适用性。

提出的方法

• 该方法采用动态规划计算两个时间序列之间的最优时滞对齐，以最小化基于平方差的代价函数。
• 定义了一种'宽松度量'，满足大多数度量性质，从而实现对相似性与领先-滞后优先顺序的量化。
• 采用滑动窗口方法在滚动时间区间内计算领先-滞后路径，捕捉时变关系。
• 在具有已知领先-滞后结构的合成时间序列上验证该方法，以测试其显著性与预测准确性。
• 基于最优对齐路径计算一种类似相关性的度量，提升结果的可解释性。
• 将该方法应用于2020年1月至2020年5月期间29种主要货币的每日外汇收益率数据，研究疫情爆发期间市场拓扑结构的变化。

实验结果

研究问题

• RQ1 与现有模型相比，该方法在合成时间序列中检测已知领先-滞后关系的准确性如何？
• RQ2 在新冠疫情爆发的早期阶段，外汇市场在多大程度上变得更加同步？
• RQ3 在危机期间，美元在外汇市场中的角色如何演变？
• RQ4 所提出的宽松度量能否可靠地衡量金融时间序列之间的接近程度与领先-滞后结构？
• RQ5 该方法为系统性压力下外汇市场的动态拓扑结构提供了哪些新见解？

主要发现

• 在合成时间序列中，所提方法在检测领先-滞后关系方面实现了100%的统计显著性，优于基准模型。
• 在合成测试中，该方法的预测结果最接近目标值，表现出更优的可预测性。
• 在新冠疫情危机期间，全部29对主要外汇货币对的相互依存度显著提升，表明市场整体趋于同步。
• 美元在外汇网络中凸显为中心枢纽，与其他货币之间的领先-滞后关系更强且更持久。
• 宽松度量成功捕捉了时变的领先-滞后动态，并保留了关键的度量性质，适用于比较分析。
• 该方法在不同市场状态下的表现均具鲁棒性，证实其在真实金融应用中的实用性。