Dywergencje Bosego-Einsteina w analizie podobieństw finansowych szeregów czasowych

• Autorzy: Ryszard Szupiluk

Warianty tytułu

Bose-Einstein Divergences for Similarity Analysis in Financial Time Series

• Języki publikacji: PL

Abstrakty

Ocena wzajemnego podobieństwa finansowych szeregów czasowych jest jednym z problemów, w którym kwestia właściwego doboru metody analitycznej zaznacza się bardzo wyraźnie. Z reguły problem ten sprowadzany jest do analizy korelacji - co nie zawsze prowadzi do właściwych rezultatów. Często są to oceny wręcz sprzeczne ze wizualną obserwacją lub wiedzą ekspercką. Powodów takiego stanu rzeczy można upatrywać zarówno we właściwościach samej miary korelacyjnej i jej adekwatności do analizowanych danych, jak również w aspekcie metodologicznym przeprowadzanego badania. W niniejszym artykule zaproponujemy alternatywne rozwiązanie oparte na miarach dywergencji, w szczególności dywergencji Bosego-Einsteina. Przeprowadzone eksperymenty na poglądowych danych symulowanych potwierdzają użyteczność zaproponowanych rozwiązań. (abstrakt oryginalny)

EN

The similarity assessment of the financial time series is the one of problems where the proper methodological choice is very important. The typical correlation approach can lead to misleading results. Often the similarity score is contrary to the visual observations, expert's knowledge and even a common sense. The reasons of such situations can be associated with the properties of the correlation measure and its adequateness for analyzed data, as well as in terms of methodology aspects. In this article, we point these disadvantages associated with the use of correlation to assess the similarity of financial time series as well as we propose the alternative solution based on divergence measures. In particular, we focus on the Bose-Einstein divergence. The practical experiments with simulated data confirm the validity of our concept. (original abstract)

Słowa kluczowe

PL

Szeregi czasowe; Dywergencja; Analiza statystyczna

EN

Time-series; Divergence; Statistical analysis

• Czasopismo: Metody Ilościowe w Badaniach Ekonomicznych / Szkoła Główna Gospodarstwa Wiejskiego
• Rocznik: 2012
• Tom: 13(XIII)
• Numer: nr 3
• Strony: 213--221

Twórcy

autor

Ryszard Szupiluk

• Szkoła Główna Handlowa w Warszawie

Bibliografia

• Amari, S. (1985) Diferential-Geometrical Methods in Statistics. Springer Verlag.
• Anscombe, F. J. (1973) Graphs in statistical analysis. The American Statistician 27: 17-21.
• Cardoso J.-F. and Comon P. (1996): Independent component analysis, a survey of some algebraic methods. In Proc. ISCAS Conference, volume 2, pages 93-96, Atlanta.
• Cichocki, A., Zdunek, R., Amari, S.: (2006) Csiszar's Divergences for Non-Negative Matrix Factorization: Family of New Algorithms, Lecture Notes in Computer Science, Vol. 3889, pp. 32-39, Springer Verlag, Heidelberg.
• Cichocki, A., Zdunek, R., Phan, A.-H., Amari, S. (2009) Nonnegative Matrix and Tensor Factorizations: Applications to Exploratory Multi-way Data Analysis. John Wiley.
• Csiszar, I. (1974) Information measures: A critical survey. In: Prague Conference on Information Theory. Volume A, pp. 73--86. Academia Prague.
• Krutsinger J. (1997) Trading Systems: Secrets of the Masters, McGraw-Hill.
• Luo, Y., Davis, D., Liu, K.: (2002) A Multi-Agent Decision Support System for Stock Trading. In: The IEEE Network Magazine Special Issue on Enterprise Networking and Services, vol.16, No. 1.
• Rodgers J. L. and Nicewander W. A. (1988) Thirteen ways to look at the correlation coefficient. The American Statistician, 42(1):59-66.
• Therrien, C.W. (1992) Discrete Random Signals and Statistical Signal Processing. Prentice Hall, New Jersey.