paperlead-lagdirected-networkhermitian-clusteringflow-imbalanceus-equityml

Bennett, Cucuringu & Reinert (2022) — Lead-Lag Network Clustering

大白话：这篇论文给出第一个有原则的无监督方法，把多元时间序列自动分成「谁领先谁」的簇；用在 434 只美股上能做出年化夏普 0.62 的交易信号，而且发现领先-滞后结构无法用行业归属、交易量、市值这三个常见因素解释。

作者：Stefanos Bennett（Oxford Statistics / Alan Turing Institute）、Mihai Cucuringu（Oxford Statistics / Oxford Math Institute / Alan Turing Institute）、Gesine Reinert（Oxford Statistics / Alan Turing Institute）。

发表于：Machine Learning 111:4497–4538, 2022 (Springer, https://doi.org/10.1007/s10994-022-06250-4)。责任编辑：Joao Gama。

代码：https://github.com/stefanosbennett/mlj-lead-lag

贡献

首个有原则的多元时间序列领先-滞后聚类 (lead-lag clustering) 无监督方法。流程：

  1. 成对领先-滞后度量 S_{ij}，可由 ccf-auc（推荐）、ccf-lag1 或签名方法 (signature，Levin 2016) 计算，相关系数类型取自 corr ∈ {Pearson, Kendall, 距离相关 (distance correlation)、互信息}。
  2. 有向网络 A_{ij} = \max(S_{ij}, 0)，用 Hermitian RW（Cucuringu 2020）聚类 —— 这是第一个直接优化成对流量不平衡 (flow imbalance) 的算法。
  3. 元流图 (meta-flow graph) + RowSum 领先度 (leadingness)，给出可解释的「哪个簇领先哪个簇」的排序。

在 5 个合成数据生成过程（DGP：线性 / 余弦 / Legendre / Hermite / 异质）以及 434 只 NYSE 高成交量股票（2000-2019） 上验证。是第一份数据驱动的领先-滞后聚类分析（此前的工作只是与预设的 SIC/GICS 行业分组做对比）。

下游交易信号：滚动更新（2 个月更新、1 年回看）的簇级 EWMA + OLS，元流按 90% 阈值过滤，波动率归一到年化 10% → 年化夏普 0.62，p<0.004（Opdyke 检验），与市场的相关系数 0.04。LASSO-VAR（5 阶滞后）基准：0.27，p>0.13。随机标签置换检验以 p<0.005 拒绝「不存在领先-滞后簇结构」。

实证发现：数据驱动的聚类无法由实证金融文献中三个主要的领先-滞后机制解释：

  • 行业归属（Biely-Thurner 2008）：与 SIC 的 Jaccard 相似度约 0.15
  • 交易量（Chordia-Swaminathan 2000）：Spearman 0.01
  • 市值（Lo-MacKinlay 1990）：Spearman −0.15

这开辟了一个研究方向：寻找现有理论没有捕捉到的新领先-滞后机制（跨公司信息流、新闻驱动、微观结构）。

对本 wiki 的意义

这是领先-滞后关系有向网络聚类的标准引用，与以下工作互补：

方法上，这篇论文把 Hermitian Spectral Clustering（算法）与 Lead-Lag Equity Forecasting（应用）连了起来 —— 是「用 Hermitian 谱找出流量不平衡的簇，再用它们做预测」的范例。

相关页面