Deformation of semi-circle law for the correlated time series and Phase transition

想象一下，你有一面由微小方格组成的巨大魔法镜子。如果你用完全随机、混沌的噪声（就像旧电视上的静电噪声）填满这面镜子，你看到的反射会遵循一个非常可预测且平滑的形状，叫做“半圆律”（semicircle law）。它就像一座完美的、温柔的小山丘：两侧较低，中间较高，不会发生任何过于剧烈的波动。

但如果这些噪声不再是随机的呢？如果你的镜子里的方格实际上在向邻居低声诉说秘密，从而创造出一种时间相关性（temporal correlations）的模式？这正是日垣真登（Masato Hisakoto）和金子拓也（Takuya Kaneko）所研究的内容。他们利用金融时间序列（如股票价格或汇率）构建了这些“维格纳矩阵”（Wigner matrices），以观察这些“低语”如何改变小山丘的形状。

重大转折：山丘长出了尖锐的冠冕

他们的主要发现是，当这些金融数字具有相关性时，完美的半圆会发生形变。它不仅仅是微微波动；它发生了转化。小山丘的中心会变得更高、更尖锐，而尾部（两侧）则会向外延伸，变得更加“肥厚”。

想象一下，一群人站在一个圆圈里。如果每个人都是独立的，他们会均匀地散开。但如果他们手拉手，并对彼此的动作做出反应（相关性），他们就会在中间挤得更紧，并在边缘向外拉伸。作者发现，数字之间的联系（相关性）越强，峰值就越尖锐，尾部就越肥厚。

“魔数”与相变

这里变得非常奇妙了。作者研究了两种类型的“低语”或相关性：

1. 指数衰减（Exponential Decay）： 低语消失得很快，就像一个秘密在传给一圈朋友的过程中，传着传着大家就不再听了。在这种情况下，山丘会变得尖锐，但仍保持稳定。
2. 幂律衰减（Power Law Decay）： 低语非常顽固。它们消失得非常缓慢，这意味着很久以前的一个数字仍然会影响现在。这就是相变（phase transition）发生的地方。

作者发现了一个关键的“魔数”，称为 $\gamma = 1/2$。

• 如果低语的顽固程度大于 1/2 ($\gamma > 1/2$)，系统是稳定的。其“四阶矩”（一种衡量尾部有多肥厚的数学方式）保持有限，且最大特征值（山丘的最高点）也是有限的。
• 如果顽固程度等于或小于 1/2 ($\gamma \le 1/2$)，情况就会失控。四阶矩和最大特征值都会变为无穷大。

这就像一座桥，在正常交通下能稳稳支撑，但如果交通变得过于“粘稠”（具有过强的长程相关性），这座桥会突然坍塌进入无穷大的状态。这不仅仅是一个猜测；在他们的数值模拟中，他们清楚地看到了这种转变，数据在 $1/2$ 这条线两侧的表现截然不同。

现实世界的侦探工作

该团队不仅在玩数学游戏，他们还在真实金融数据上进行了测试。他们研究了 25 种不同的时间序列，包括加密货币、大宗商品、政府债券和外汇（FX）汇率。

他们设定了一个“零假设”测试：如果这些市场仅仅是随机噪声（独立的同分布 i.i.d.）会怎样？

• 结果： 大多数市场（如股票和大宗商品）非常符合半圆律。它们基本上是随机的。
• 异常值： 然而，特定的外汇市场（如 USD/CHF、USD/CAD、EUR/CHF 和 EUR/GBP）以及某些加密资产拒绝了它们仅仅是随机噪声的说法。它们的特征值分布具有那些显著的特征：更高的峰值和更肥厚的尾部。

作者计算出，这些特定市场中的偏差很大程度上是由时间相关性引起的。例如，在 USD/CHF 市场中，最短时间滞后的相关性足够强，足以将四阶矩推高至 2.128，这远超随机噪声预期的范围（通常在 2 左右）。

他们排除了什么

需要注意的是，这篇论文强调了什么不是主要元凶。虽然金融数据以具有“肥尾”（极端事件）而闻名，但作者认为，对于这些特定的维格纳矩阵而言，时间相关性是导致形变的主要驱动力。他们明确表明，与半圆律的偏差取决于相关性结构，而不仅仅是收益率本身的肥尾特性。

此外，他们澄清了这种行为与其他类型的随机矩阵（如维什特矩阵 Wishart matrices）是不同的。在其他系统中，“相变”是由二阶矩控制的。但在这个维格纳矩阵的世界里，一切都与四阶矩有关。这表明不同的随机矩阵属于不同的“普适类”（universality classes）——它们都有自己独特的规则来应对相关性。

他们的确定性如何？

作者对他们的解析数学方法充满信心，该方法预测四阶矩会随着相关性强度的增加而增加。他们通过使用合成数据（如分数布朗运动）和真实金融数据的数值模拟来支持这一点。这些模拟展示了在转换点附近的有限尺寸缩放行为，支持了 $\gamma = 1/2$ 处的相变是真实存在的这一观点。

然而，他们也谨慎地指出，虽然矩计算是可靠的，但要实现严谨的数学证明（即“弱收敛”这一深层的统计保证），还需要更高级的工具，如 Stieltjes 变换，而他们在本篇论文中并未涉及。因此，尽管来自模拟和矩分析的证据很强，但关于收敛性的绝对数学证明仍是一个正在进行中的课题。

简而言之，这篇论文揭示了金融市场（尤其是货币市场）并非仅仅是随机噪声。它们拥有隐藏的“记忆”，这种记忆扭曲了数学景观，将一座平缓的小山变成了尖锐且向外拉伸的山脉；而且，如果这种记忆变得过于强大，整个结构就会撞向一个临界点。