Separación de componentes rápidos y lentos en series temporales financieras

Resumen

El documento describe un método para separar series temporales financieras en procesos que operan en distintas escalas temporales. Plantea la separación como problemas de valores propios generalizados y utiliza criterios basados en la varianza y la estacionariedad de cola para identificar componentes más lentos y más rápidos en los rendimientos y precios de los activos. La descomposición propuesta busca ayudar a analizar la deriva de parámetros, la reversión a la media y la gestión del riesgo de cola.

El documento presenta ejemplos empíricos con divisas, ETF de renta variable y rendimientos de bonos del Tesoro como evidencia de que el método tiene aplicaciones prácticas en varios mercados. No ofrece detalles sobre los conjuntos de datos, las decisiones de implementación, el procedimiento de validación ni los resultados específicos de los ejemplos. Por tanto, la breve descripción permite entender los objetivos y el alcance general del método, pero no juzgar su rendimiento ni compararlo con alternativas. Su utilidad para las decisiones de trading dependería de esos detalles omitidos y de que los componentes identificados se mantuvieran estables con otros datos y condiciones de mercado.

Ideas clave

• Las series temporales financieras pueden contener procesos interactivos que operan en distintas escalas temporales.
• Se usan criterios de varianza y estacionariedad de cola para identificar componentes rápidos y lentos.
• El problema de separación se formula mediante métodos de valores propios generalizados.
• Los componentes resultantes pueden ayudar a estudiar la deriva de parámetros, la reversión a la media y el riesgo de cola.
• Los ejemplos abarcan divisas, ETF de renta variable y rendimientos de bonos del Tesoro, aunque no se ofrecen resultados específicos.

Etiquetas

# 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.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.