The local Gaussian correlation networks among return tails in the Chinese stock market
Peng Liu
基于皮尔森相关性的金融网络已经进行了深入研究。 然而,以前的研究可能导致误导和灾难性的结果,因为皮尔森相关性的几个关键缺点。 局部高斯相关系数是变量之间统计依赖性的新测量,具有独特的优势,包括捕获局部非线性依赖和处理重尾分布。 这项研究使用上海证券交易所股票回报尾部区域之间的局部高斯相关系数构建金融网络。 这项工作系统地分析了基本的网络指标,包括节点中心性、平均最短路径长度和熵。 与正尾与常规的Pearson相关网络之间的局部高斯相关性网络相比,负尾之间的局部高斯相关网络的特性对股市风险更加敏感。 这一发现表明,研究人员应该优先考虑负尾之间的局部高斯相关网络。 未来的工作应该使用当地的高斯相关方法重新评估现有的发现。
Financial networks based on Pearson correlations have been intensively studied. However, previous studies may have led to misleading and catastrophic results because of several critical shortcomings of the Pearson correlation. The local Gaussian correlation coefficient, a new measurement of statistical dependence between variables, has unique advantages including capturing local nonlinear dependence and handling heavy-tailed distributions. This study constructs financial networks using the local...
