Causal Discovery in Financial Markets: A Framework for Nonstationary Time-Series Data
创建于 更新于
摘要
本文提出面向非平稳时间序列的约束型因果发现算法CDNOTS，通过引入时间索引节点、条件独立性检验及滞后关系建模，同时识别同期与滞后因果结构。模拟实验表明，小样本更适合ParCorr，大样本则推荐KCIT或RCoT；金融案例进一步显示，因子暴露、宏观变量和估值指标均存在非平稳、非线性及滞后关系，标准化市净率与金融股未来收益之间具有因果关联 [page::2][page::8][page::18][page::19]。
