从金融数据流的签名中提取信息
统计金融
2014-07-16 v2
摘要
订单放置和订单取消等市场事件是围绕现代金融工程师的复杂且大量数据流的示例。为描述复杂振荡系统相互作用而开发的新数学技术（称为粗糙路径理论）为分析和描述这些数据流并提取关键信息提供了新工具。在本文中，我们展示了如何仅从金融数据签名中获得的极少系数就足以对数据进行分类以识别细微的底层特征并做出有用预测。本文提出了金融实例，我们在其中从数据中学习，然后进而对新的数据流进行分类。分类基于通过路径签名坐标指定的流特征。在数学层面上，签名是多维时间序列的忠实变换。(Ben Hambly 和 Terry Lyons \cite{uniqueSig})，Hao Ni 和 Terry Lyons \cite{NiLyons} 引入了将其用于理解金融数据的可能性，并指出了该方法在机器学习和预测方面的潜力。我们针对实际感兴趣的案例评估并完善了这些理论建议，并展示了一些激励性实验，证明了签名可以以非参数方式轻松捕获信息，从而避免了对数据的传统统计建模。在第一个实验中，我们识别了从 WTI 原油期货市场 (NYMEX) 采样的标准 30 分钟时间桶中的非典型市场行为。第二和第三个实验旨在表征市场“影响”，并区分由两种不同交易执行算法在 NYSE Liffe 上市的 FTSE 100 指数期货市场上生成的父订单。
引用
@article{arxiv.1307.7244,
title = {Extracting information from the signature of a financial data stream},
author = {Lajos Gergely Gyurkó and Terry Lyons and Mark Kontkowski and Jonathan Field},
journal= {arXiv preprint arXiv:1307.7244},
year = {2014}
}