Absolute Return Autocorrelation

Intuição

A Absolute Return Autocorrelation mede autocorrelação dos retornos em módulo, sendo uma proxy clássica para volatility clustering (memória longa na volatilidade).

Definição

Em uma janela n e lag k:

AC_abs(k) = corr(|r_t|, |r_{t-k}|)

Uso

from quantmaster.features.statistical import absolute_return_autocorrelation

df["acabs_60_1"] = absolute_return_autocorrelation(df, window=60, lag=1)

API

Source code in src/quantmaster/features/statistical.py

def absolute_return_autocorrelation(
    data: pd.DataFrame | pd.Series,
    *,
    window: int = 60,
    lag: int = 1,
    price_col: str = "close",
    log_returns: bool = True,
) -> pd.Series:
    window = validate_positive_int(window, name="window")
    lag = validate_positive_int(lag, name="lag")
    if lag >= window:
        raise ValueError(f"lag must be < window, got lag={lag} window={window}")

    price = get_price_series(data, price_col=price_col).astype(float)
    price = price.where(price > 0)

    if log_returns:
        r = np.log(price).diff().abs()
    else:
        r = price.pct_change().abs()

    def _fn(w: np.ndarray) -> float:
        a = w[lag:]
        b = w[:-lag]
        return _rolling_corr_1d(a, b)

    out = r.rolling(window).apply(_fn, raw=True)
    out.name = f"absolute_return_autocorrelation_{window}_{lag}"
    return out