A causal interactions indicator between two time series using extreme variations in the first eigenvalue of lagged correlation matrices
创建于 更新于
摘要
本文提出一种基于随机矩阵理论与最大特征值尾部极端波动的因果交互指标 σ_Γ，通过对不同滞后下 2×2 相关矩阵第一主成分解释力的方差进行动态监测来衡量“推-拉”式交互，从而识别可能的因果方向；实证结果表明该指标在结构突变检测和已知因果对识别上优于滚动窗 Granger 检验，并可用于股票收益、已实现波动率以及经纪业务流动性风险监控 [page::0][page::5][page::8][page::19]
