Разделение быстрых и медленных компонентов финансовых временных рядов

Сводка

В документе описан метод разделения финансовых временных рядов на процессы с разными временными масштабами. Задача формулируется через обобщённые задачи на собственные значения; критерии на основе дисперсии и стационарности хвостов используются для выявления более медленных и быстрых компонентов доходностей и цен активов. Предложенное разложение предназначено для анализа дрейфа параметров, возврата к среднему и управления хвостовым риском.

В документе приведены эмпирические примеры с валютами, биржевыми ETF и доходностью казначейских облигаций, иллюстрирующие практическое применение метода на нескольких рынках. Подробности о наборах данных, выборе параметров реализации, процедуре проверки или конкретных результатах примеров не указаны. Краткое описание позволяет понять цели и общий охват метода, но не оценить его эффективность или сравнить с альтернативами. Полезность для торговых решений зависит от этих неуказанных деталей и от того, сохраняют ли выявленные компоненты стабильность на других данных и в иных рыночных условиях.

Ключевые идеи

• Финансовые временные ряды могут включать взаимодействующие процессы с разными временными масштабами.
• Для выявления быстрых и медленных компонентов используются критерии дисперсии и стационарности хвостов.
• Задача разделения формулируется с помощью обобщённых методов нахождения собственных значений.
• Полученные компоненты могут помочь в изучении дрейфа параметров, возврата к среднему и хвостового риска.
• Примеры охватывают валюты, биржевые ETF и доходность казначейских облигаций, но конкретные результаты не приведены.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.