Biclustering high‐frequency financial time series based on information theory

双聚类 聚类分析 计算机科学 成对比较 数据挖掘 财务 计量经济学 人工智能 数学 模糊聚类 经济 CURE数据聚类算法
作者
Haitao Liu,Jian Zou,Налини Равишанкер
出处
期刊:Statistical Analysis and Data Mining [Wiley]
卷期号:15 (4): 447-462
标识
DOI:10.1002/sam.11581
摘要

Abstract Clustering a large number of time series into relatively homogeneous groups is a well‐studied unsupervised learning technique that has been widely used for grouping financial instruments (say, stocks) based on their stochastic properties across the entire time period under consideration. However, clustering algorithms ignore the notion of biclustering, that is, grouping of stocks only within a subset of times rather than over the entire time period. Biclustering algorithms enable grouping of stocks and times simultaneously, and thus facilitate improved pattern extraction for informed trading strategies. While biclustering methods may be employed for grouping low‐frequency (daily) financial data, their use with high‐frequency financial time series of intra‐day trading data is especially useful. This paper develops a biclustering algorithm based on pairwise or groupwise mutual information between one‐minute averaged stock returns within a trading day, using jackknife estimation of mutual information (JMI). We construct a multiple day time series biclustering (MI‐MDTSB) algorithm that can capture refined and local comovement patterns between groups of stocks over a subset of continuous time points. Extensive numerical studies based on high‐frequency returns data reveal interesting intra‐day patterns among different asset groups and sectors.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
wschenau完成签到,获得积分10
刚刚
MoNesy完成签到,获得积分10
刚刚
xxd完成签到,获得积分10
1秒前
1秒前
2秒前
3秒前
xl发布了新的文献求助10
3秒前
4秒前
ww完成签到,获得积分10
5秒前
优秀板栗发布了新的文献求助10
5秒前
清风与你2完成签到,获得积分10
5秒前
sword发布了新的文献求助10
6秒前
6秒前
6秒前
7秒前
唐糖完成签到 ,获得积分10
7秒前
orixero应助阿旭采纳,获得10
8秒前
8秒前
hanhan发布了新的文献求助10
8秒前
王千鹤发布了新的文献求助10
9秒前
心落失发布了新的文献求助10
9秒前
9秒前
ww发布了新的文献求助30
9秒前
小晨完成签到 ,获得积分10
10秒前
bkagyin应助科研实习生采纳,获得10
10秒前
文艺从彤完成签到,获得积分10
11秒前
笨笨发布了新的文献求助10
12秒前
threewei发布了新的文献求助10
13秒前
13秒前
13秒前
13秒前
niu发布了新的文献求助10
13秒前
于智豪发布了新的文献求助10
14秒前
怕孤单的听寒完成签到,获得积分10
14秒前
上课杠九八完成签到,获得积分10
14秒前
14秒前
15秒前
坦率耳机应助Lancer1034采纳,获得10
15秒前
优秀板栗完成签到,获得积分10
15秒前
15秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 830
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3248236
求助须知:如何正确求助?哪些是违规求助? 2891545
关于积分的说明 8267962
捐赠科研通 2559643
什么是DOI,文献DOI怎么找? 1388432
科研通“疑难数据库(出版商)”最低求助积分说明 650749
邀请新用户注册赠送积分活动 627698