金融相关性分析中的非对称矩阵

金融市场是高度相关的系统，既揭示了市场间的依赖性，也揭示了其不同组成部分之间的相关性。标准分析技术包括针对信号对的相关性系数和针对丰富多元数据的相关性矩阵。在后一种情况下，构建一个具有非负实特征值的实对称矩阵来描述数据的相关结构。然而，如果对多元数据进行类似相关函数的分析，当强调研究不同类型信号之间的延迟依赖性时，可以计算出一个具有复特征谱的非对称相关矩阵。从随机矩阵理论的角度来看，这类矩阵与Ginibre正交系综（GinOE）密切相关。我们给出了此类矩阵在经验数据相关性分析中的实际应用示例。通过引入时间滞后，我们能够识别市场间相关性的时间结构。我们的结果表明，美国和德国股市几乎同步演变，没有显著的时间滞后，因此很难找到这些市场之间信息传递的印记。只有一个极其微妙的迹象表明德国市场比美国市场提前几秒钟。