使用交叉递归图预测金融时间序列的同步状态
统计金融
2022-11-03 v2 机器学习
摘要
互相关分析是理解时间序列相互动态的有力工具。本研究引入了一种新方法，用于预测两个金融时间序列动态的未来同步状态。为此，我们使用交叉递归图分析作为一种非线性方法，以量化两个时间序列在时域中的多维耦合，并确定它们的同步状态。我们采用深度学习框架，基于从动态子采样交叉递归图中提取的特征，从方法论上解决同步状态的预测问题。我们在 S&P100 指数的主要成分股上进行了大量实验，以实证验证我们的方法。我们发现，预测两个时间序列同步状态的任务通常相当困难，但对于某些股票对，是可以达到非常令人满意的性能的。
引用
@article{arxiv.2210.14605,
title = {Predicting the State of Synchronization of Financial Time Series using Cross Recurrence Plots},
author = {Mostafa Shabani and Martin Magris and George Tzagkarakis and Juho Kanniainen and Alexandros Iosifidis},
journal= {arXiv preprint arXiv:2210.14605},
year = {2022}
}
备注
Paper submitted to and under consideration at Pattern and Recognition Letters