金融时间序列相位统计分析.PDFVIP

物理專文 金融時間序列的相位統計分析 文/ 吳明佳 本文介紹我們最近引 析方法在獲得研究結果與結論的過程中扮演重要的 進的一種研究時間序列的方 角色，不適當的方法可能導致錯誤的結果。然而，實 法。該方法係基於時間序列 驗數據通常混著雜訊，且一般是非線性的（nonlinear） 的瞬時相位包含豐富的資 與非穩態的（nonstationary），過去廣泛使用的處理方 訊，藉由統計相位的分佈可以 法是採取某些過濾器從實驗資料中過濾雜訊。由於這 研究該時間序列之性質的 些方法多要求原始的時間序列是穩態及/或線性的，在 概念。我們應用此一方法研 沒有嚴格的限制條件可用來判定資料中哪些是本質 究美國道瓊工業平均（DJIA）指數及那斯達克 的動力學，哪些是外在因素與雜訊的貢獻的情況下， （NASDAQ）指數從 1997 年到 2003 年的日內 這些過濾器的有效性是值得懷疑的。因此，如何從處 （intraday）資料，以及美元/日圓（USD/JPY）匯率 理實驗數據中取出重要的分量是這類研究的重要課 與美元/馬克（USD/DEM）匯率從 1986 年到 1996 年的 題。 日（daily）資料，發現金融時間序列是一種不同於 在本篇文章中，我們將回顧我們最近研究金融時 其他非穩態的（nonstationary）時間序列的類別。 間序列 [1, 2, 3, 4] 與生理信號 [4, 5, 6, 7] 所引進的 兩股市指數的獲利率（return）時間序列的相位關聯 「相位統計」方法。該方法係基於相位包含豐富的資 分析顯示在 2001 年 9/11 攻擊事件之後，兩股市的交 訊，藉由統計相位的分佈可以研究時間序列之性質的 易活動的關聯性變強；而兩匯率的相位關聯分析則顯 概念。為了實現相位統計，我們採用希爾伯特－黃轉 示兩者在 1990 年之前的關聯比之後強，此一現象可 換（Hilbert-Huang Transform，HHT）[8] 來定義與計算 能與東西德統一及日本的泡沫經濟有關。 瞬時相位。HHT 將實驗的時間序列分解為若干本質模 態函數（Intrinsic Mode Functions，IMFs），經由計算這 簡介 些 IMF 的瞬時相位，並對其做統計分析，從相位與相 位差的分佈中，我們可以得到時間序列的特性與關 金融市場是一種複雜的動力學系統，其性質可以 聯。下文中，我們將簡單地介紹這個方法，並以美國 經由連續的記錄過程來記錄，其特徵可以由所得的時 道瓊工業平均（DJIA）指數與那斯達克（NASDAQ） 間序列來描述。對於這類動力學系統，大部分基於實