El análisis del espectro se utiliza a menudo para analizar formas de onda. Una configuración común, por ejemplo, es crear un gráfico donde X es el tiempo, Y es la frecuencia, y el brillo de cada posición representa la amplitud.
Ha de análisis de espectro se ha usado con éxito como un indicador para analizar el precio histórico de datos, por ejemplo, el precio de las acciones a lo largo del tiempo?
En la literatura académica es extremadamente aplica ampliamente en los últimos 20 años. Yo estimo que tal vez 200 empírica papeles, o más. Por ejemplo, un hallazgo común es que la mayor frecuencia (diaria) wavelet correlaciones han sido de alta desde el 2007, atribuible a la creciente financiera interation o la crisis financiera. También es popular para la estimación de la variable en el tiempo de la varianza no paramétrico alternativa a los modelos GARCH. Hay costos y beneficios de esto, a veces nos quieren imponer una hipótesis de una forma funcional a los datos si tenemos pre-existente de conocimiento que queremos incorporar para mejorar la generalización de nuestra estimación, o para asegurarnos de que no estamos de ajuste de ruido. También se pueden combinar los dos enfoques; wavelets para la banda de paso del filtro y de un modelo paramétrico para la volatilidad de las estimaciones. Esto bais su prueba, aunque.
Específicamente el análisis wavelet y no el análisis de Fourier es muy popular debido a la no estacionariedad de la media y la varianza en el dominio del tiempo y otros characeristics que varían en el dominio de la frecuencia a lo largo del tiempo. El ajuste de una combinación lineal de trigonometría funciones de base no es sólo va a dar buenos resultados en finanzas. Autocorrelación también varía en el dominio de la frecuencia. También es preferido a la STFT, de modo que no tenemos que asumir la estacionariedad dentro de un tiempo la banda. Las Wavelets son intuitivamente agradable con el típico proceso de supuestos en los estocástico de financiación que suponen un fractal como la propiedad de los precios de proceso (derivada de la suposición de que nuestro precio es una función de un proceso de Wiener). Esto es incorrecto, en la práctica, debido a fenómenos como la Epps efecto y la distinción de los mercados impuestas por la latencia y la microestructura, pero para las escalas de tiempo de interés para los investigadores empíricos es aceptable. De hecho, estos ultra de alta frecuencia de los cristales son generalmente no se estima por tanto que el cálculo y la redundancia de razones (sin embargo, hay algunos documentos; la unbiasedness del ruido blanco de prueba de hipótesis estoy seguro). Otra razón es que Datastream y Bloomberg son las bases de datos y que son impactantes para alta frecuencia de datos.
Otros hallazgos rodean dependiente de la frecuencia de pruebas de causalidad de Granger, changepoint análisis y otros análisis.
También es comúnmente usado para analizar el retraso de las relaciones a través de la diferencia de fase en la wavelet Morlet; ya que el complejo de la sinusoide se ajuste puede comparar las partes real e imaginaria de la cofficient a través de la inversa de la función tangente para obtener una diferencia de fase. Esto no es una causal de wavelets a pesar de que usted no será capaz de construir un tiempo-frecuencia localizada par de estrategia de negociación con esto a menos que su estrategia pueden tolerar los efectos de borde, que me parece ser muy dudosa. Además, esto es sólo para los bivariante de configuración.
Todos en todos, bueno, si su objetivo es obtener una comprensión cualitativa de las interrelaciones y correlaciones en el pasado, no necesariamente es bueno si usted está tratando de extrapolar en el futuro, ya que es no construido para ser capaz de generalizar. Sin embargo, se puede utilizar como parte de algo más si quieres extrapolar, pero no puedo compartir esto.
Yo recomendaría Marc Wildi a trabajar en la extracción de señales.
Sí. Retirar el Análisis de Series temporales por Shumway y Stoffer. El Análisis espectral y el Filtrado se cubre en el Capítulo 4.
Fractal espectros están cubiertos en Multifractal de la Volatilidad: la Teoría, la Previsión y la fijación de Precios. También tenga en cuenta que su run-of-the-mill media móvil de una serie de precios es un filtro de paso bajo (filtra las frecuencias más altas), y los promedios móviles son muy utilizados en análisis financieros básicos.
Aquí está una suave introducción a wavelets métodos.
FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.
