交易量或美元條與波動率正規化和貶低的金融時間序列

Marcos Lopez de Prado 在他的《金融機器學習進展》一書中讓讀者熟悉了許多標準化金融時間序列數據的方法。下面我為這個問題提供了幾個例子（來源：here）：

1. 時間柱：按時間間隔、分鐘、每日等索引的柱。OHLCV（開盤價、最高價、最低價、收盤價、成交量）是標準的。
2. Tick Bars：按訂單索引的條形圖，每組訂單數（通常只有 1 個）創建一個不同的條形圖。訂單價格、大小和執行訂單的交易所很常見。
3. 成交量柱：按總成交量索引的柱，每組交易的股票數量創建一個不同的柱。我們可以將分鐘柱轉換為成交量柱的近似值，但理想情況下，我們會使用刻度柱來維護跨柱的所有參數的資訊。
4. Dollar Bars : 與成交量柱形圖類似，不同之處在於衡量美元交易手的總價值。一個例子是 100,000 美元的金條，每根金條都包含盡可能精確的美元價值。

當將價格的時間柱轉換為成交量柱或美元柱時，所得到的時間序列的回報更接近於正態分佈。

標準化時間序列的另一種非常標準的方法是：

1. 每個證券的波動率正常化
2. 貶低時間序列

我的問題是：成交量或美元條的正常化與成交量正常化和 Demean 之間是否存在顯著差異？

美元條當然允許通過從屬於交易量、滴答聲、美元時鐘的價格抽樣過程來部分恢復正常狀態。

眾所周知，收益被假定為正態分佈，但實際上它們具有高峰態和肥尾，它們是尖峰態的。

de Prado 博士在幾篇論文中提出了假設，但主要是在一篇名為The Volume Clock的著名論文中，如果我們根據交易量時鐘而不是固定時間間隔抽樣對價格進行抽樣，那麼我們將獲得更好的統計特性。

以下是顯示真實數據結果的 jupyter notebook：Notebook。

回答您的問題：是的，這些技術之間存在顯著差異。

引用自：https://quant.stackexchange.com/questions/43534