[论文解读] Scaling and correlation in financial data

Rama Cont|ArXiv.org|May 8, 1997

Complex Systems and Time Series Analysis参考文献 7被引用 7

一句话总结

本文利用高频S&P指数期货数据，研究了金融时间序列中的标度与相关性。结果表明，尽管方差随时间呈线性增长，但峰度因平方增量中的长记忆性而表现出异常标度，表明波动率聚集现象具有持久性，超出了独立同分布（i.i.d.）假设的范围。

ABSTRACT

The statistical properties of the increments x(t+T) - x(t) of a financial time series depend on the time resolution T on which the increments are considered. A non-parametric approach is used to study the scale dependence of the empirical distribution of the price increments x(t+T) - x(t) of S&P Index futures, for time scales T, ranging from a few minutes to a few days using high-frequency price data. We show that while the variance increases linearly with the timescale, the kurtosis exhibits anomalous scaling properties, indicating a departure from the iid hypothesis. Study of the dependence structure of the increments shows that although the autocorrelation function decays rapidly to zero in a few minutes, the correlation of their squares exhibits a slow power law decay with exponent 0.37, indicating persistence in the scale of fluctuations. We establish a link between the scaling behavior and the dependence structure of the increments : in particular, the anomalous scaling of kurtosis may be explained by "long memory" properties of the square of the increments.

研究动机与目标

• 研究多个时间尺度下金融价格增量的标度依赖性统计特性。
• 通过分析高阶矩，挑战金融收益中的独立同分布（i.i.d.）假设。
• 研究收益及其平方的依赖结构，以检测长程相关性。
• 将峰度的异常标度行为与波动率的长记忆性联系起来。
• 为高频金融数据中持续存在的波动率聚集现象提供实证证据。

提出的方法

• 对时间尺度T（从分钟到天）的价差x(t+T) - x(t)的分布进行实证分析。
• 采用非参数估计方法，研究方差、偏度和峰度随时间跨度T的标度行为。
• 计算收益及其平方的自相关函数，以检测短程与长程依赖性。
• 将幂律衰减模型拟合到平方收益的自相关函数，以量化长记忆效应。
• 将观察到的峰度标度与i.i.d.和GARCH型模型下的理论预期进行比较。
• 采用高频数据，以确保在精细时间尺度下统计特性的稳健估计。

实验结果

研究问题

• RQ1 价格增量的分布如何随时间跨度T变化？
• RQ2 在金融收益中，峰度等高阶矩在多大程度上偏离i.i.d.假设？
• RQ3 金融收益的依赖性本质是短程还是长程相关？
• RQ4 平方收益的相关性是否表现出幂律衰减，表明波动率存在长记忆性？
• RQ5 峰度的异常标度行为是否可由平方增量的长记忆性解释？

主要发现

• 价格增量的方差随时间跨度T线性增加，与布朗运动假设一致。
• 峰度表现出异常标度，与i.i.d.情况显著偏离，表明厚尾特性在各尺度上持续存在。
• 收益的自相关函数在几分钟内迅速衰减至零，表明存在短程依赖性。
• 平方收益的自相关函数以幂律指数0.37缓慢衰减，表明波动率存在长记忆性。
• 峰度的异常标度行为可由平方增量的长记忆性解释，而非厚尾边缘分布所致。
• 实证结果支持高频金融数据中存在波动率聚集和长程依赖性，挑战了i.i.d.模型。