رفتن به محتوا
همه اسناد کتابخانه

جداسازی مؤلفه‌های سریع و کند در سری‌های زمانی مالی

مقاله arXiv papers · نویسنده: Jan Rosenzweig

خلاصه

این سند روشی را شرح می‌دهد که سری‌های زمانی مالی را به فرایندهایی با مقیاس‌های زمانی متفاوت تفکیک می‌کند. این تفکیک را در قالب مسئله‌های مقدار ویژه تعمیم‌یافته بیان می‌کند و با معیارهایی مبتنی بر واریانس و ایستایی دنباله، مؤلفه‌های کندتر و سریع‌تر بازده و قیمت دارایی را شناسایی می‌کند. هدف از تجزیه پیشنهادی، کمک به تحلیل رانش پارامتر، بازگشت به میانگین و مدیریت ریسک دنباله‌ای است.

سند نمونه‌های تجربی مربوط به ارزها، صندوق‌های قابل معامله سهام و بازده اوراق خزانه را به‌عنوان شواهد کاربرد عملی این روش در چند بازار گزارش می‌کند. جزئیاتی درباره مجموعه‌داده‌ها، انتخاب‌های اجرایی، روش اعتبارسنجی یا یافته‌های مشخص نمونه‌ها ارائه نمی‌دهد. بنابراین این توضیح کوتاه به درک هدف‌ها و دامنه کلی روش کمک می‌کند، اما برای سنجش عملکرد یا مقایسه آن با جایگزین‌ها کافی نیست. سودمندی آن برای تصمیم‌های معاملاتی به جزئیات حذف‌شده و پایداری مؤلفه‌های شناسایی‌شده در داده‌ها و شرایط بازار دیگر بستگی دارد.

ایده‌های کلیدی

  • سری‌های زمانی مالی ممکن است فرایندهای درهم‌کنشی داشته باشند که در مقیاس‌های زمانی متفاوت عمل می‌کنند.
  • برای شناسایی مؤلفه‌های سریع و کند از معیارهای واریانس و ایستاییِ دُم توزیع استفاده می‌شود.
  • مسئله تفکیک با روش‌های مقدار ویژه تعمیم‌یافته صورت‌بندی می‌شود.
  • مؤلفه‌های حاصل می‌توانند به بررسی رانش پارامتر، بازگشت به میانگین و ریسک دنباله‌ای کمک کنند.
  • نمونه‌ها ارزها، صندوق‌های قابل معامله سهام و بازده اوراق خزانه را در بر می‌گیرند، اما نتایج مشخص ارائه نشده‌اند.

برچسب‌ها

متن کامل
# 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.

با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0

این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.