文件名称：估计股票市场的算法复杂性-研究论文
文件大小：1.94MB
文件格式：PDF
更新时间：2024-06-29 14:11:51
论文研究
金融中的随机性和规律性通常用概率术语来处理。 在本文中，我们基于 Kolmogorov (1965) 最初开发的算法信息理论开发了一种使用非概率框架的不同方法。 我们开发了一种通用方法来估计数值序列的 Kolmogorov 复杂度。 这种方法基于迭代“正则性擦除程序”（REP），以在金融数据上使用无损压缩算法。 REP 被认为是检测隐藏结构所必需的，因为人们应该“清除”完善的金融模式（即程式化的事实），以防止算法工具专注于这些无利可图的模式。 本文的主要贡献是方法论：我们展示了一些经典统计测试不可见的结构规律，可以通过这种算法方法检测到。 我们对每日道琼斯指数的最终说明显示，一旦从原始数据中删除众所周知的规律，压缩率就会很弱。 这一结果可能与纽约证券交易所的高效率水平有关，尽管更有效的算法工具可以在未来检测新结构时提高这种压缩率。