A Random Matrix Approach to Cross- Correlations in Financial Data Vasiliki Plerou, Parameswaran Gopikrishnan, Bernd Rosenow, Luis a. Nunes Amaral, Thomas.

Slides:



Advertisements
Podobne prezentacje
Excel Narzędzia do analizy regresji
Advertisements

ESTYMACJA PRZEDZIAŁOWA
KORELACJA I REGRESJA WIELOWYMIAROWA
Analiza współzależności zjawisk
Horyzonty czasowe rynków wschodzących
Time dependent cross correlations between different stock returns: A directed network of influence Zależności czasowe korelacji pomiędzy zwrotami z różnych.
HERD BEHAVIOR AND AGGREGATE FLUCTUATIONS IN FINANCIAL MARKETS Rama Cont & Jean-Philipe Bouchaud. Macroeconomic Dynamics, 4, 2000, Cambridge University.
Zmienne losowe i ich rozkłady
Skale pomiarowe – BARDZO WAŻNE
BUDOWA MODELU EKONOMETRYCZNEGO
Elementy Modelowania Matematycznego
Estymacja przedziałowa
Model ciągły wyceny opcji Blacka – Scholesa - Mertona
Portfel wielu akcji. Model Sharpe’a
Statystyczne parametry akcji
Współczynnik beta Modele jedno-, wieloczynnikowe Model jednowskaźnikowy Sharpe’a Linia papierów wartościowych.
Statystyczne parametry akcji
Metody ekonometryczne
WYKŁAD 11 FUNKCJE FALOWE ELEKTRONU W ATOMIE WODORU Z UWZGLĘDNIENIEM SPINU; SKŁADANIE MOMENTÓW PĘDU.
ROZKŁADY DOCHODÓW 8.
Pakiety statystyczne Maciej Szydłowski (dr)
Mgr Sebastian Mucha Schemat doświadczenia:
Analiza korelacji.
Niepewności przypadkowe
Prosty model zmian cen zastosowany do opisu ryzyka Krzysztof Urbanowicz Peter Richmond Janusz Hołyst Warsaw University of Technology Trinity College, Dublin.
Universal and Nonuniversal Properties of Cross Correlation in Financial Time Series Vasiliki Plerou, Parameswaran Gopikrishnan, Bernd Rosenow, Luı´s A.
Pobieranie próby Populacja generalna: zbiór wyników wszystkich możliwych doświadczeń określonego typu. Próba n-wymiarowa: zbiór n wyników doświadczeń.
Cluster Analysis and Self-Organizing Maps Analiza skupień i metody SOM
Próby niezależne versus próby zależne
Rozkład normalny Cecha posiada rozkład normalny jeśli na jej wielkość ma wpływ wiele niezależnych czynników, a wpływ każdego z nich nie jest zbyt duży.
„Przegląd systemów informatycznych w logistyce przemysłu spożywczego”
Wykład 4. Rozkłady teoretyczne
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 6/7: Analiza statystyczna wyników symulacyjnych  Dr inż. Halina Tarasiuk
Średnie i miary zmienności
Jacek Maliszewski Warszawa 17 stycznia 2004
Rozpoznawanie twarzy Wprowadzenie Algorytmy PCA ICA
Rozkład macierzy korelacji ze względu na wartości i wektory własne a problem głównych składowych Singular Value Decomposition SVD.
Rozkłady wywodzące się z rozkładu normalnego standardowego
Wycena instrumentów rynku kapitałowego
Prognozowanie z wykorzystaniem modeli ekonometrycznych
Analiza doboru danych uczących w predykcji indeksu giełdowego mgr Marcin Jaruszewicz dr hab. Jacek Mańdziuk.
Kilka wybranych uzupelnień
Wahania sezonowe. Metoda wskaźników sezonowości.
III EKSPLORACJA DANYCH
Wyznaczniki, równania liniowe, przestrzenie liniowe Algebra 1
Metoda reprezentacyjna i statystyka małych obszarów z SAS Instytut Statystyki i Demografii SGH dr Dorota Bartosińska Zajęcia 4 Wnioskowanie statystyczne.
STATYSTYKA Pochodzenie nazwy:
Statystyka medyczna Piotr Kozłowski
Analiza portfeli dwu- oraz trzy-akcyjnych
Rozkład wariancji z próby (rozkład  2 ) Pobieramy próbę x 1,x 2,...,x n z rozkładu normalnego o a=0 i  =1. Dystrybuanta rozkładu zmiennej x 2 =x 1 2.
Przenoszenie błędów (rachunek błędów) Niech x=(x 1,x 2,...,x n ) będzie n-wymiarową zmienną losową złożoną z niezależnych składników o rozkładach normalnych.
Składowe szeregu czasowego
OPCJE NA GPW Zespół Rekomendacji i Analiz Giełdowych
Podstawowe pojęcia i terminy stosowane w statystyce
Statystyczne parametry akcji Średnie Miary rozproszenia Miary współzależności.
Przypomnienie: Przestrzeń cech, wektory cech
Statystyczna Analiza Danych SAD2 Wykład 4 i 5. Test dla proporcji (wskaźnika struktury) 2.
Statystyczna analiza danych SAD2 Wykład 5. Testy o różnicy wartości średnich dwóch rozkładów normalnych (znane wariancje) Statystyczna analiza danych.
Statystyczna analiza danych
STATYSTYKA – kurs podstawowy wykład 8 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Statystyka medyczna Piotr Kozłowski www: 1.
Model Poissona w ujęciu bayesowskim
Wprowadzenie do inwestycji
METROLOGIA Statystyczne metody poprawienia dokładności
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
Przypomnienie: Przestrzeń cech, wektory cech
PODSTAWY STATYSTYKI Wykład udostępniony przez dr hab. Jana Gajewskiego
Tytuł spotkania firmowego
Zapis prezentacji:

A Random Matrix Approach to Cross- Correlations in Financial Data Vasiliki Plerou, Parameswaran Gopikrishnan, Bernd Rosenow, Luis a. Nunes Amaral, Thomas Guhr, and H. Eugene Stanley

Plan 1. Wstęp 2. Krótki opis danych poddanych analizie 3. Dyskusja nas współczynnikami korelacji krzyżowych 4. Dyskusja nad wartościami własnymi rozkładu C i porównanie z RMT 5. Próba znalezienia rozkładu wartości własnych C 6. Szczegółowa analiza odchyleń wektorów własnych 7. Dyskusja stałości odchyleń w czasie 8. Do czego nam to potrzebne?

Gęstość prawdopodobieństwa Współczynnik krzyżowych korelacji

Zmiany S&P500 Czas

Wartości własne Gęstość prawdopodobieństwa

Wartości własne

Gęstość prawdopodobieństwa Rozmieszczenie najbliższych sąsiadów Rozmieszczenie następnych najbliższych sąsiadów

Gęstość prawdopodobieństwa Rozmieszczenie najbliższych sąsiadów

Numer wariancji

Gęstość prawdopodobieństwa Składowe wektorów własnych

NORMALIZACJA

Gęstość prawdopodobieństwa Współczynnik krzyżowych korelacji

Odwrotny współczynnik proporcji Wartości własne

Składowe wektorów własnych Kapitał Rynku

Wartości własne Gęstość prawdopodobieństwa

Wysoka wartość O ij największych 4 wektorów własnych nawet dla okresu 1 rok Wysoka wartość O ij największych 2 wektorów własnych nawet dla okresu 20 lat

Zysk Ryzyko

Wartości własne Funkcja autokorelacji

Dziękuję za uwagę