股票指数之间递归与连通性趋势的相互关系

金融数据已被广泛研究相关性，通常以皮尔逊互相关系数$\rho$为出发点。我们采用一种基于递归图的估计量——递归概率相关性(CPR)——来分析全球九个股票指数之间的联系。我们建议对CPR方法进行轻微修改以获得更稳健的结果。我们检查了沿时间序列移动的约19个月窗口内CPR的趋势，并将其与$\rho$进行比较。将CPR分为三个连通性等级：强、中、弱，我们提取了每个等级中连接数量随时间变化的趋势。我们还通过移动时间序列以对齐其峰值，研究了互联网泡沫期间CPR的行为。CPR主要揭示出市场会不规则地进入和退出强连通期，而不是单调地走向全球连通性增强。这与$\rho$给出的相关性持续增强的图景形成对比。CPR还显示，在2000年互联网泡沫前后，时间平移后的市场具有高连通性。我们强调显著性检验在解释应用于实际数据的度量时的重要性。CPR对显著性检验更稳健。它还具有对噪声稳健、适用于短时间序列长度和低采样频率的额外优势。此外，它比$\rho$对变化更敏感，因为它捕捉了底层系统基本动力学之间的相关性。