动力学组成分析——研究论文

简介：
本文探讨了动力学组成分析的方法与应用，通过综合实验数据和理论模型，深入解析物质在不同条件下的动态变化规律。 我们介绍了动力学分量分析（KCA），这是一种状态空间应用程序，它通过将随机过程的泰勒展开与卡尔曼滤波器结合使用来从一系列噪声测量中提取信号。与其他流行的降噪方法相比，例如快速傅立叶变换 (FFT) 或局部加权散点图平滑 (LOWESS)，KCA 具有若干优点：首先，除了提供点估计外，它还能够进行频带估计；其次，它可以将信号分解为三个隐藏分量，并且可以直观地与位置、速度和加速度相关联；第三，在预测应用中更加稳健；第四，作为一种前瞻性的状态空间方法，KCA 对结构变化具有弹性。我们认为这种分解在分析金融价格的趋势跟踪、动量和均值回归时特别有用。当一种工具的价格加速长时间内不明显大于零时，它就会表现出金融惯性。我们对全球 19 种流动性最强的期货进行实证分析后发现，所有资产类别都存在强大的惯性。此外，我们认为 KCA 对做市商、流动性提供者和推子计算他们的交易范围也很有用。