[论文解读] Extracting information from the signature of a financial data stream

Lajos Gergely Gyurk 'o, Terry Lyons+2 more|arXiv (Cornell University)|Jul 27, 2013

Complex Systems and Time Series Analysis被引用 21

一句话总结

本文提出使用金融数据流的签名——源自粗糙路径理论——作为非参数化特征提取方法，用于分类高频市场行为。通过计算低维签名系数，该方法能够准确分类不同交易执行算法的市场影响，并检测异常行为，在买入订单上的样本外分类准确率最高达89.9%，关键指标的AUC得分超过0.93。

ABSTRACT

Market events such as order placement and order cancellation are examples of the complex and substantial flow of data that surrounds a modern financial engineer. New mathematical techniques, developed to describe the interactions of complex oscillatory systems (known as the theory of rough paths) provides new tools for analysing and describing these data streams and extracting the vital information. In this paper we illustrate how a very small number of coefficients obtained from the signature of financial data can be sufficient to classify this data for subtle underlying features and make useful predictions. This paper presents financial examples in which we learn from data and then proceed to classify fresh streams. The classification is based on features of streams that are specified through the coordinates of the signature of the path. At a mathematical level the signature is a faithful transform of a multidimensional time series. (Ben Hambly and Terry Lyons \cite{uniqueSig}), Hao Ni and Terry Lyons \cite{NiLyons} introduced the possibility of its use to understand financial data and pointed to the potential this approach has for machine learning and prediction. We evaluate and refine these theoretical suggestions against practical examples of interest and present a few motivating experiments which demonstrate information the signature can easily capture in a non-parametric way avoiding traditional statistical modelling of the data. In the first experiment we identify atypical market behaviour across standard 30-minute time buckets sampled from the WTI crude oil future market (NYMEX). The second and third experiments aim to characterise the market "impact" of and distinguish between parent orders generated by two different trade execution algorithms on the FTSE 100 Index futures market listed on NYSE Liffe.

研究动机与目标

• 开发一种从高频金融数据流中提取有意义特征的非参数化方法。
• 基于数据路径的签名对市场行为进行分类，避免传统统计建模。
• 评估签名在捕捉不同交易执行算法所导致的市场影响细微差异方面的能力。
• 展示签名在现实金融应用中的实用性，如异常检测和算法分类。
• 验证基于签名的机器学习在真实市场数据上的稳健性和预测能力。

提出的方法

• 将数学签名变换应用于多维金融时间序列，捕捉价格与成交量路径的迭代积分。
• 使用截断的签名系数（至多三阶至四阶）作为机器学习的低维特征。
• 采用带LASSO收缩的线性回归，识别对分类最具相关性的签名项。
• 对数据流中的时间进行归一化，以确保对时间尺度变化的不变性，保持重参数化下的签名不变性。
• 在75%的数据上进行训练，在25%的样本外数据上进行测试，使用柯尔莫哥洛夫-斯米尔诺夫距离、AUC和分类率作为评估指标。
• 通过打乱标签和改变训练集大小进行消融实验和稳健性检验，以验证统计显著性。

实验结果

研究问题

• RQ1 金融数据流的签名能否有效捕捉标准统计指标无法检测到的细微市场动态？
• RQ2 基于签名的特征在多大程度上能够对两种不同交易执行算法之间的市场影响差异进行分类？
• RQ3 当训练数据量有限时，该签名方法在多大程度上保持预测准确性？性能如何随训练集规模变化？
• RQ4 该签名方法能否在不依赖先验参数假设的前提下，检测标准化时间区间内的异常市场行为？
• RQ5 哪些特定的签名项（多重指标）对算法行为最具预测性？它们在市场层面代表什么含义？

主要发现

• 基于签名的方法在买入订单上的样本外分类准确率达到87.9%，卖出订单为70.9%，学习集上买入订单的AUC得分超过0.94。
• 在买入订单的学习集上，柯尔莫哥洛夫-斯米尔诺夫距离达到0.763，显著高于随机标签的0.263参考值。
• 该方法识别出56个与买入订单分类相关的签名项，其中关键系数与领先-落后关系及累积成交量动态相关。
• 当训练集少于200条数据流时性能下降，表明存在可靠估计的阈值。
• 表现最佳的前15个签名项包含如(1,6,4,1)和(1,1,6,4)等多重指标，其系数表明对成交量与价格时间模式的敏感性。
• 该方法表现出良好的稳健性：即使在存在噪声的真实世界数据中，签名仍能以高统计置信度捕捉算法差异。