Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "non-linear dependence" wg kryterium: Temat


Wyświetlanie 1-1 z 1
Tytuł:
ANALYSIS OF THE TIME EVOLUTION OF NON-LINEAR FINANCIAL NETWORKS
ANALIZA EWOLUCJI NIELINIOWYCH SIECI FINANSOWYCH
Autorzy:
Fiedor, Paweł
Powiązania:
https://bibliotekanauki.pl/articles/654508.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
sieci finansowe
zależności nieliniowe
współczynnik największej korelacji
analiza korelacji kanonicznej
financial networks
non-linear dependence
maximum correlation coefficient
canonical-correlation analysis
Opis:
W niniejszym artykule traktujemy rynki finansowe jako sieci złożone. Najczęściej wyznacza się minimalne drzewo rozpinające oparte o empiryczną macierz korelacji W naszych wcześniejszych badaniach rozszerzyliśmy tę metodologię poprzez zamianę współczynnika korelacji liniowej Pearsona na miary oparte o teorię informacji: informację wzajemną i stopę informacji wzajemnej, co pozwala na uwzględnienie zależności nieliniowych. W niniejszym badaniu zajmujemy się ewolucją sieci finansowych w czasie, przy zastosowaniu mechanizmu przesuwnego okna. Jako że miary oparte o teorię informacji są znane z wolnej zbieżności, opieramy naszą analizę na współczynniku największej korelacji Hirschfelda-Gebeleina-Rényiego, estymowanym przez randomizowany współczynnik zależności (RDC). Jest on definiowany w odniesieniu do analizy korelacji kanonicznych losowych nieliniowych odwzorowań przy pomocy kopuł. Na tej podstawie tworzymy minimalnego drzewa rozpinające dla każdego okna przesuwającego się wzdłuż badanych szeregów czasowych, analizujemy ewolucję różnych własności tych sieci w czasie, i ich znaczenie dla badanego rynku. Stosujemy tę procedurę w odniesieniu do zestawu danych opisującego logarytmiczne zwroty cen akcji z Giełdy Papierów Wartościowych w Warszawie z lat pomiędzy 2006 i 2013, komentujemy otrzymane wyniki, możliwości ich praktycznego zastosowania oraz ich znaczenie dla badaczy i analityków.
We treat financial markets as complex networks. It is commonplace to create a filtered graph (usually a Minimally Spanning Tree) based on an empirical correlation matrix. In our previous studies we have extended this standard methodology by exchanging Pearson’s correlation coefficient with information-theoretic measures of mutual information and mutual information rate, which allow for the inclusion of non-linear relationships. In this study we investigate the time evolution of financial networks, by applying a running window approach. Since information-theoretic measures are slow to converge, we base our analysis on the Hirschfeld-Gebelein-Rényi Maximum Correlation Coefficient, estimated by the Randomized Dependence Coefficient (RDC). It is defined in terms of canonical correlation analysis of random non-linear copula projections. On this basis we create Minimally Spanning Trees for each window moving along the studied time series, and analyse the time evolution of various network characteristics, and their market significance. We apply this procedure to a dataset describing logarithmic stock returns from Warsaw Stock Exchange for the years between 2006 and 2013, and comment on the findings, their applicability and significance.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2015, 3, 314
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-1 z 1

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies