[论文解读] Periodicity and scaling of eigenmodes in an emerging market

Diane Wilcox, Tim Gebbie|arXiv (Cornell University)|Apr 18, 2004

Complex Systems and Time Series Analysis被引用 4

一句话总结

本研究利用谱分析、重标极差法和去趋势波动分析（DFA）对1993–2002年约翰内斯堡证券交易所（JSE）相关矩阵的特征模式进行分析。结果表明，仅当特征值位于Wishart随机矩阵范围之外时，其对应的特征模式才表现出周期性或非周期性行为；而位于Wishart范围内的特征模式则主要受噪声主导，且DFA分析未发现这些噪声主导模式具有长期记忆特性。

ABSTRACT

We investigate periodic, aperiodic and scaling behaviour of eigenmodes, i.e. daily price fluctuation time-series derived from eigenvectors, of correlation matrices of shares listed on the Johannesburg Stock Exchange (JSE) from January 1993 to December 2002. Periodic, or calendar, components are investigated by spectral analysis. We demonstrate that calendar effects are limited to eigenmodes which correspond to eigenvalues outside the Wishart range. Aperiodic and scaling behaviour of the eigenmodes are investigated by using rescaled-range methods and detrended fluctuation analysis (DFA). We find that the eigenmodes which correspond to eigenvalues within the Wishart range are dominated by noise effects. In particular, we find that interpolating missing data or illiquid trading days with a zero-order hold introduces high frequency noise and leads to the overestimation of uncorrected (for serial correlation) Hurst exponents. DFA exponents of the eigenmodes suggest an absence of long-term memory.

研究动机与目标

• 研究从约翰内斯堡证券交易所（JSE）股票收益相关矩阵中提取的特征模式的周期性、非周期性及标度行为。
• 确定日历效应（周期性分量）是否存在于特征模式中，并判断其是否与Wishart随机矩阵分布范围之外的特征值相关。
• 评估数据插值（零阶保持法）对特征模式中Hurst指数估计的影响。
• 利用去趋势波动分析（DFA）评估特征模式中长期记忆的存在性。

提出的方法

• 构建1993年1月至2002年12月期间JSE上市公司日价格波动的相关矩阵。
• 应用谱分析检测与Wishart随机矩阵分布范围之外的特征值相关的特征模式中是否存在周期性（日历）分量。
• 使用重标极差分析与去趋势波动分析（DFA）研究特征模式的非周期性与标度行为。
• 比较使用原始数据与经插值处理数据（通过零阶保持法处理缺失或流动性不足的交易日）估算的Hurst指数。
• 根据特征值位置对特征模式进行分类：位于或位于Wishart范围之内，以区分噪声主导与信号主导的模式。
• 通过校正时间序列中的自相关性，评估Hurst指数估计的稳健性。

实验结果

研究问题

• RQ1 JSE相关矩阵的哪些特征模式表现出周期性（日历）效应？这些效应是否与Wishart范围之外的特征值相关？
• RQ2 使用零阶保持法进行数据插值如何影响特征模式中Hurst指数的估计？
• RQ3 位于Wishart范围内的特征模式是否表现出长期记忆特性？这一结论是否得到DFA与重标极差分析的支持？
• RQ4 在Wishart范围内的特征模式中，噪声与真实市场动态的相对贡献如何？
• RQ5 谱分析、DFA与重标极差法三者结合，如何共同刻画特征模式的标度性与持久性特征？

主要发现

• 仅与Wishart范围之外的特征值对应的特征模式表现出日历效应，表明这些模式反映了非随机的、结构性的市场行为。
• 特征值位于Wishart范围内的特征模式主要受噪声主导，其缺乏持续的标度行为进一步证实了这一点。
• 使用零阶保持法对缺失数据或流动性不足的交易日进行插值，会引入高频噪声，导致未经校正的Hurst指数被高估。
• 对特征模式进行的去趋势波动分析（DFA）未发现长期记忆的证据，表明持久趋势并非噪声主导模式的特征。
• 谱分析与DFA的结合表明，仅一小部分特征模式（即位于Wishart范围之外的模式）承载了有意义的市场信息。
• 本研究表明，标准Hurst指数估计方法在应用于特征模式时对数据预处理（尤其是插值）极为敏感。