利用分段分位数回归增强金融网络中的因果发现
统计金融
2024-08-23 v1 计量经济学
物理与社会
摘要
金融网络可通过统计方法从投机性资产的价格序列中构建。各种用于推断这些网络的方法普遍依赖于预测建模来捕捉跨相关效应。这些方法通常建模均值响应信息的流动，或市场中波动性和风险的传播。虽然这些技术具有洞察力，但未能完全捕捉投机市场中可能存在的更广泛分布层次的因果性。本文引入一种新方法，将分位数回归与分段线性嵌入方案相结合，允许构建识别金融市场中复杂尾部相互作用的因果网络。将该方法应用于260个加密货币收益序列后，我们发现显著的尾部-尾部因果效应和 substantial 的因果不对称性。我们识别出硬币自影响倾向，跨变量效应相对稀疏。综合评估所有链路类型后，比特币作为主要影响者脱颖而出——这一细微差别在常规线性均值响应分析中则被忽略。我们的发现引入了用于建模分布因果性的综合框架，为实现金融市场因果性的更全面表征之路打开了大门。
引用
@article{arxiv.2408.12210,
title = {Enhancing Causal Discovery in Financial Networks with Piecewise Quantile Regression},
author = {Cameron Cornell and Lewis Mitchell and Matthew Roughan},
journal= {arXiv preprint arXiv:2408.12210},
year = {2024}
}