Time Series Reversibility | Algorithmic Trading Indicators in Python

Summary

The video discusses measuring time reversibility of financial time series using Bitcoin prices. It covers the relative asynchronous index and a measure comparing distribution of permutation patterns between the forward and reversed series. These irreversibility measures could help identify when prices exhibit nonlinear dynamics, to inform trading strategies.

Takeaways

• 📉 本视频以比特币价格为例，探讨了金融时间序列的时间可逆性测量方法。
• 🔍 时间可逆性是物理学和数学领域的一个概念，本视频将其应用于金融时间序列分析。
• 🔄 一个时间序列如果在时间倒置下保持其统计特性不变，则被认为是可逆的。
• 📈 示例中展示了正弦波是可逆的，而由逻辑映射生成的序列表现出不可逆性。
• 🔢 引入了相对异步指数（Relative Asynchronous Index）来测量时间序列的不可逆性，这个指标的范围是从0到1。
• 📊 通过在市场价格上应用带滚动窗口的不可逆性度量，可以揭示价格显示非线性动力学或混沌行为的时期。
• 🔗 使用水平可视性图和邻接矩阵来计算时间序列的相对异步指数，并解释了如何统计每个节点的外出链接数。
• 🔄 对于给定的时间序列，展示了如何计算其正向和反向的相对异步指数，并通过这两个指数计算最终的相对异步指数。
• 📉 引入了一种基于序列排列模式分布的不可逆性测量方法，使用了Kullback-Leibler散度来比较正向和反向序列的排列模式分布。
• 📚 提供了在金融时间序列分析中使用不可逆性指标的实际例子，包括在比特币数据上的应用，并讨论了这些指标在交易策略中的潜在用途。

Q & A

什么是时间可逆性?

时间可逆性指时间序列在被反转后,其统计性质保持不变的特点。

相对异步指数是如何计算时间不可逆性的?

相对异步指数利用水平可视图的出向链接数比较正向序列和反向序列之间的差异,refcount来衡量时间不可逆性。

序数模式可逆性度量与相对异步指数有什么不同?

序数模式可逆性度量通过比较正向序列和反向序列的序数模式分布差异来测量时间不可逆性,使用了相对熵的计算。

为什么需要平滑处理可逆性指标?

可逆性指标往往存在较高的噪声,进行指数移动平均等平滑处理可以减少噪声的影响。

可逆性指标与其他特征指标的关系?

可逆性指标与常见的其他特征指标基本没有相关性,可以为特征选择提供更多信息。

适合应用可逆性指标的交易策略类型?

可逆性较低时,均值回归型策略表现较好;可逆性较高时,趋势跟随策略表现较好。

什么样的市场环境下可逆性较高?

根据视频中的比特币价格分析,在牛市期间可逆性较高,在熊市期间可逆性较低。

可逆性指标如何辅助机器学习?

可逆性指标可以作为特征之一输入到机器学习模型中,帮助模型更好地捕捉市场的非线性动态。

计算可逆性指标时为什么需要较长的输入?

为了获得足够的数据点计算出每个序数模式的概率分布,需要较长的输入时间序列长度。

如何解决可逆性指标中出现NaN的问题?

增加输入序列的长度,或者在出现NaN时使用上一值填充。