Schnelle und langsame Komponenten in Finanzzeitreihen trennen

Zusammenfassung

Das Dokument beschreibt ein Verfahren, das Finanzzeitreihen in Prozesse mit unterschiedlichen Zeitskalen zerlegt. Die Zerlegung wird als verallgemeinertes Eigenwertproblem formuliert. Anhand von Kriterien zu Varianz und Stationarität der Verteilungsschwänze werden langsamere und schnellere Komponenten in Vermögenswertrenditen und Preisen identifiziert. Die vorgeschlagene Zerlegung soll die Analyse von Parameterdrift, Mittelwertrückkehr und dem Management von Extremrisiken unterstützen.

Das Dokument berichtet empirische Beispiele zu Währungen, Aktien-ETFs und Treasury-Renditen als Beleg für praktische Anwendungen des Verfahrens in mehreren Märkten. Es enthält keine Angaben zu Datensätzen, Umsetzungsentscheidungen, Validierungsverfahren oder den konkreten Ergebnissen der Beispiele. Die Kurzbeschreibung vermittelt daher Ziel und allgemeinen Anwendungsbereich der Methode, erlaubt aber weder eine Bewertung ihrer Leistung noch einen Vergleich mit Alternativen. Ihr Nutzen für Handelsentscheidungen hängt von den ausgelassenen Einzelheiten und davon ab, ob die identifizierten Komponenten in anderen Daten und Marktbedingungen stabil bleiben.

Kernaussagen

• Finanzzeitreihen können miteinander interagierende Prozesse mit unterschiedlichen Zeitskalen enthalten.
• Kriterien für Varianz und die Stationarität der Verteilungsschwänze dienen zur Identifizierung schneller und langsamer Komponenten.
• Das Zerlegungsproblem wird mit verallgemeinerten Eigenwertverfahren formuliert.
• Die Komponenten können bei der Untersuchung von Parameterdrift, Mittelwertrückkehr und Extremrisiken helfen.
• Die Beispiele umfassen Währungen, Aktien-ETFs und Treasury-Renditen, konkrete Ergebnisse werden jedoch nicht genannt.

Schlagwörter

# Fast Times, Slow Times: Timescale Separation in Financial Timeseries Data


# Fast Times, Slow Times: Timescale Separation in Financial Timeseries Data









Financial time series exhibit multiscale behavior, with interaction between multiple processes operating on different timescales. This paper introduces a method for separating these processes using variance and tail stationarity criteria, framed as generalized eigenvalue problems. The approach allows for the identification of slow and fast components in asset returns and prices, with applications to parameter drift, mean reversion, and tail risk management. Empirical examples using currencies, equity ETFs and treasury yields illustrate the practical utility of the method.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.