The impacts of asymmetry on modeling and forecasting realized volatility in Japanese stock markets
本研究探讨日本期货与现货股票市场的非对称性对已实现波动率的建模与预测的影响。我们采用异质自回归(HAR)模型允许三种类型的不对称性:积极和消极的实现半方差(RSV),不对称跳跃,和杠杆效应。估计结果表明,杠杆效应明显影响已实现波动率模型的建模。日经225指数的现货和期货市场都存在杠杆效应。虽然实现的半方差有助于更好地建模,但RSV模型的估计取决于这些模型是否具有杠杆效应。非对称跳跃成分对已实现波动率模型没有明显的影响。虽然杠杆效应和已实现半方差也提高了波动率模型的样本外预测性能,非对称跳跃是没有用的预测能力。本研究的实证结果显示,资讯不对称,特别是杠杆效应与实得半变异数,会产生较佳的模型与较准确的预测绩效。因此,在对日本股票市场的已实现波动率进行建模和预测时,应该考虑信息不对称的影响。
2020-05-30 econ.EM q-fin.ST
Evaluating the Financial Market Function in Prewar Japan using a Time-Varying Parameter Model
本文利用一个新的数据集,在Fama(1970)的半强式市场有效性的意义下,探讨了战前日本金融市场何时丧失了价格形成功能。我们特别关注战前日本金融市场和几次政府政策干预之间的关系,以探讨半强式市场有效性是否随时间而演变。为了捕捉政府政策干预对市场的长期影响,我们测量的时变联合程度的市场有效性和时变脉冲响应伊藤等人的基础上。的(2014; 2017)基于广义最小二乘的时变向量自回归模型。实证结果表明:(1)战前日本金融市场的市场有效性联合程度随时间的推移而波动,主要受政策变化和战争等外部事件的影响;(2)战前日本金融市场几乎支持半强式有效市场假说,(3)即使考虑到公开信息对金融市场的影响,Lo(2004)的适应性市场假说在战前的日本金融市场也得到了支持,1932年是战前日本金融市场价格形成功能丧失的转折关头。
2021-06-03 econ.GN q-fin.EC q-fin.PR
Analysis of Realized Volatility in Two Trading Sessions of the Japanese Stock Market
我们分析了使用东京证券交易所高频股票数据构建的已实现波动率。为了避免波动率计算中的非交易时间问题,我们定义了两个已实现波动率,分别在东京证券交易所的两个交易时段,即上午和下午时段计算。在计算了不同采样频率下的已实现波动率之后,我们评估了作为采样频率的函数的来自微结构噪声的偏差。考虑到对已实现波动率的偏差,我们检验了由已实现波动率标准化的收益率,并确认东京证券交易所的价格收益率近似地由具有时变波动率的高斯时间序列描述,即与混合分布假设一致。
2013-04-22 physics.data-an q-fin.ST
Coupled Oscillator Model of the Business Cycle with Fluctuating Goods Markets
在工业生产指数数据中观察到的日本商业周期的部门同步性就是同步性的一个例子。这种同步在冲击下的稳定性,例如,供给或需求的波动是物理学和经济学中的一个有趣的问题。为了分析日本经济周期的部门同步性,我们考虑由产业部门和商品市场构成的经济系统。在具有惯性的Kuramoto模型的基础上,通过加入商品市场,建立了具有同步性的耦合振子模型,并得到了定态和耦合强度的解析解.我们模拟了具有不同价格弹性和耦合强度的系统对部门冲击同步性的影响。同步再现为最近邻图中的平衡解。序参量分析表明,对于有限弹性,同步是稳定的,而对于零弹性,同步被破坏,振子表现为一个巨振子,具有一个附加于公共频率的特定频率.
2011-10-31 physics.soc-ph q-fin.ST
A Precursor of Market Crashes
在本文中,我们定量地研究了股票价格的统计系综的性质。我们将注意力集中在定义为$ X(t) = S(t)/S(0) $的相对价格上,其中$ S(0) $是初始价格。我们选择了在日本证券交易所交易的约3200只股票,对1999年1月4日至2001年12月28日这3年期间的每个交易日的每日相对价格进行了统计,这3年对应于日本股票市场的{ \it互联网泡沫}形成和{ \it崩溃}的时期。我们发现,互补累积分布函数的上尾的相对价格在价格的高值的合奏是很好地描述了幂律分布,$ P(S>x) \sim x^{-α} $,随着时间的推移移动的指数。此外,我们发现,当幂律指数$ α$接近{ \it 2}时,泡沫破裂。可以合理地假设,当幂律指数接近{ \it 2}时,表明泡沫即将破裂。PACS:89.65.Gh;关键词:市场崩溃,幂律,前兆
2006-03-17 physics.data-an physics.soc-ph q-fin.ST
Endogenous versus Exogenous Crashes in Financial Markets
我们对两个主要外汇市场的提款分布进行了扩展分析(美元对德国马克和日元),在世界主要股票市场,在美国和日本债券市场以及在黄金市场,通过引入“粗粒度提款”的概念,这允许在累积损失的定义中有一定程度的模糊性,并改进了我们以前关于"离群值“或"国王”存在的结果的统计数据。然后,对于每个确定的异常值,我们检查对数周期幂律特征(LPPS)是否存在,并将LPPS的存在作为内生崩溃的合格特征:这是因为下跌异常值被视为内生产生的投机性不可持续的加速泡沫的结束。在没有LPPS的情况下,我们能够确定似乎是相关的历史事件,即,一条新的信息,其规模和影响如此之大,以至于似乎有理由将崩盘归因于它,这与有效市场假说的标准观点一致。此类缩编异常值被归类为具有外源性来源。在全球所有分析的市场中,我们确定了49个异常值,其中25个被归类为内生的,22个被归类为外生的,2个与日本的反泡沫有关。限制到世界市场指数,我们发现31个异常值,其中19个是内生的,10个是外生的,2个与日本反泡沫。这两种检测技术的结合,一种用于下降离群值,第二种用于LPPS,提供了一种新的和系统的碰撞分类法,进一步削弱了LPPS的重要性。
2002-10-23 cond-mat.stat-mech q-fin.ST
A Test of the Adaptive Market Hypothesis using a Time-Varying AR Model in Japan
本研究以日本股票市场(TOPIX和TSE 2)为例,检验了适应性市场假说(AMH)。特别地,我们通过使用时变模型方法来测量市场有效性的程度。实证结果表明:(1)两个市场的有效性程度随着时间的推移而变化;(2)在大多数时期,东证2的市场有效性水平低于东证1;(3)东证1的市场有效性发生了演变,而东证2的市场有效性没有演变。我们的结论是,结果支持AMH更合格的股票市场在日本。
2016-01-21 q-fin.ST
Linkages among the Foreign Exchange, Stock, and Bond Markets in Japan and the United States
本研究采用 VAR-LiNGAM 和 LPCMCI 因果发现方法,结合领域知识,探讨了后疫情时期日美金融市场间的联动关系,发现 VAR-LiNGAM 能有效识别有向无环图并揭示跨市场及跨国因果关系。
2023-10-04 q-fin.ST
Scaling and Memory Effect in Volatility Return Interval of the Chinese Stock Market
本文研究了中国股票市场波动收益区间$τ$的概率分布。我们将概率分布$P_{q}(τ)$和波动率收益区间$τ$重新标度为$P_{q}(τ)=1/\barτ f(τ/\barτ)$,以获得不同阈值$q$的统一标度曲线。伸缩指数函数$f(x) \sim e^{-αx^γ}$能很好地拟合标度曲线,说明$τ$中存在记忆.为了证明记忆效应,我们调查的条件概率分布$P_{q} (τ|τ_{0})$,平均条件间隔$<τ|τ_{0}>$和累积概率分布的集群大小的$τ$。结果表明,聚类效果明显。我们进一步研究了持久性概率分布$P_{\pm}(t)$,发现$P_{-}(t)$以幂律衰减,其指数远不同于随机游走的0.5,进一步证实了$τ$中存在长记忆.中国股票市场的$τ$的标度效应和长记忆效应与美国和日本的相似。
2008-05-15 physics.soc-ph q-fin.ST
On the Time-Varying Structure of the Arbitrage Pricing Theory using the Japanese Sector Indices
本文首次检验日本股市中APT的时间不稳定性,采用滚动窗口法结合Fama-MacBeth两步回归与广义GRS检验,发现货币政策、商业周期及经济危机导致风险溢价估计不稳定,APT有效性随时间变化。
2024-03-15 econ.EM q-fin.PR q-fin.ST
Fundamental Factors versus Herding in the 2000-2005 US Stock Market and Prediction
我们提出了一个一般的方法,将基本的经济因素,我们以前的羊群效应理论来描述泡沫和反泡沫。我们从理性预期的强形式出发,导出了在我们和其他人的工作中发展起来的羊群行为的对数周期幂律(LPPL)签名之外,加入因子的一般方法。这些因素包括利率、利差、历史波动率、隐含波动率和汇率。标准的统计AIC和Wilks检验使我们能够比较不同的因素模型的解释能力。我们发现,2002年8月之前,历史波动性起着关键作用。2002年10月左右,利率占主导地位。2003年前6个月,汇率成为关键因素。自2003年底以来,各种因素都发挥了越来越大的作用。然而,最令人惊讶的结果是,最好的模型是没有任何因素的二阶LPPL。因此,我们提出了一个方案,为美国股市的未来演变的基础上的二阶LPPL公式的拟合外推,这表明,羊群效应仍然是主导力量,美国股市的反泡沫的解体,自2000年以来仍然是定性相似(但定量不同),日本日经指数的情况下,1990年后。
2005-05-11 physics.soc-ph q-fin.ST
Network geometry and market instability
金融市场的复杂性源于股票交易主体之间的战略互动,这种互动表现为股票价格之间的动态相关模式。在过去的几十年里,复杂的金融市场通常被表示为网络,其相互作用的节点对是股票,由表示相关强度的边连接。然而,我们经常有三个或更多节点组成的组中发生的相互作用,这些不能简单地用成对相互作用来描述,但我们还需要考虑这些相互作用之间的关系。直到最近,研究人员才开始关注复杂金融系统的高阶结构,这可以显着提高我们估计系统性风险的能力,以及从市场有效性的角度衡量金融系统的稳健性。几何启发的网络度量,如Ollivier-Ricci曲率和Forman-Ricci曲率,可以用来捕捉网络脆弱性和持续监测金融动态。在这里,我们探讨的效用,这种离散的里奇曲率特征的金融系统的结构,并进一步评估它们作为市场不稳定性的通用指标。为了这个目的,我们研究了一组股票的每日回报率,包括美国标准普尔500指数和日本日经225指数在32年的时间内,并监测以边缘为中心的网络曲率的变化。我们发现,不同的几何措施捕捉系统级的市场特征,因此,我们可以区分正常或“一切照旧”时期和所有重大的市场崩溃。这对于金融体系的战略设计和监管市场以应对金融不稳定非常有用。
2021-01-29 physics.soc-ph q-fin.ST
Ornstein-Uhlenbeck Process for Horse Race Betting: A Micro-Macro Analysis of Herding and Informed Bettors
该研究将日本赛马赔率演化建模为奥恩斯坦-乌伦贝克过程,纳入羊群与基本面两类投注者,基于赛事数据揭示微观投注规则与宏观均值回复模式,为非均衡金融与投注市场研究提供方法参考。
2025-05-21 physics.soc-ph q-fin.ST
Power laws and market crashes
在本文中,我们定量研究了股票价格的统计合奏的统计特性。我们选择了1200只在东京证券交易所交易的股票,对1999年1月4日至2001年12月28日这3年中的每个交易日的股票价格进行了统计,这3年对应于日本互联网泡沫的形成和日本股票市场泡沫的破裂。我们发现,在价格的高值的股票价格的合奏的互补累积分布函数的尾部是很好地描述了幂律分布,$ P(S>x) \sim x^{-α} $,与指数的范围内移动$ 1.09 < α< 1.27 $。此外,我们还发现,当幂律指数$ α$接近1时,泡沫会崩溃。这表明股票价格的齐普夫定律是泡沫即将破裂的信号。PACS:89.65.Gh
2006-03-17 physics.data-an physics.soc-ph q-fin.ST
Exploring Graph Neural Networks for Stock Market Predictions with Rolling Window Analysis
IBM Japan(IBM日本);IBM T.J. Watson Research Center(IBM托马斯·J·沃森研究中心);IBM Research - Tokyo(IBM东京研究院)
最近,人们对使用机器学习来帮助准确预测金融市场的兴趣激增。尽管在金融和人工智能领域取得了令人兴奋的进展,但目前的许多方法仅限于使用技术分析来捕捉每个股票价格的历史趋势,因此仅限于某些实验设置以获得良好的预测结果。另一方面,专业投资者还利用他们对市场间和公司间关系的丰富知识来绘制公司和事件的连接性,并使用该地图来做出更好的市场预测。例如,他们不仅根据某一公司以前的股票价格趋势,而且根据其供应商或客户的业绩、整个行业、宏观经济因素和贸易政策来预测该公司股票价格的变动。本文研究了市场预测和图神经网络的交叉点的工作的有效性,这些网络具有通过将公司知识图谱直接纳入预测模型来模仿投资者做出决策的方式的潜力。这项工作的主要目标是测试这种方法在不同的市场和更长的时间范围内使用滚动窗口分析回测的有效性。在这项工作中,我们专注于预测日本日经225市场的个股价格在大约20年的时间。在知识图谱中,我们使用了日经价值搜索数据,这是一个主要显示日本和外国企业之间供应商关系的丰富数据集。我们的初步结果显示,与市场基准相比,回报率和夏普比率分别增加了29.5%和2.2倍,与基线LSTM模型相比,分别增加了6.32%和1.3倍。
2019-11-27 cs.LG q-fin.ST
Stock Market Directional Bias Prediction Using ML Algorithms
本研究对比了logistic regression、decision tree和random forest与feed forward deep neural network在日本股市方向性偏差预测中的表现,发现所有模型准确率均超50%,揭示了机器学习在股市预测中的潜力与复杂性。
2023-10-24 q-fin.ST
State and group dynamics of world stock market by principal component analysis
我们研究了1998-2012年全球金融指数的动态相互作用和结构变化。我们应用主成分分析(PCA)的股票指数的互相关系数。我们计算主成分(PC)和每种资产之间的相关性,称为PC系数。市场状态的变化被识别为第一PC系数的变化。一些指标没有显示危机期间PC市场状态的显著变化。在股票市场中投资资本所涉及的指数处于最低风险水平。使用前两个PC系数,我们确定的指数是相似的,比其他更强的相关性。我们观察到,欧洲指数在观察期内形成了一个强大的群体。随着时间的推移,群体内各个指数的动态相似性增加,在危机期间,指数的动态更加相似。此外,由于危机,指数的组形成在二维空间中改变位置。最后,在金融危机之后,欧洲和美国指数之间的个人电脑差异缩小了。
2015-03-02 physics.soc-ph q-fin.ST
Critical Market Crashes
这篇评论是对《为什么股票市场崩溃》一书(普林斯顿大学出版社,2003年1月)的部分综合,该书提出了他的同事和作者在过去七年中发展的关于金融崩溃和股票市场不稳定的一般理论。对提款或连续损失的频率分布的研究表明,大型金融崩溃是"离群者“:它们形成了自己的一类,这可以从它们的统计特征中看出。如果说大规模金融危机是“异类”,那么它们就是特殊的,因此需要一个特殊的解释、一个特定的模型、一个它们自己的理论。此外,它们的特殊性质也许可以用于它们的预测。导致正反馈的主要机制,即,本文综述了投资者之间的模仿行为和羊群行为等自我强化行为,并对物理学范围之外的相关文献进行了大量的参考。正反馈为投机泡沫的发展提供了燃料,为大崩盘的不稳定性做好了准备。我们展示了几个详细的数学模型的投机泡沫和崩溃。最重要的信息是发现了崩溃方法的强大和通用签名。在发达国家和新兴市场的股票市场、货币市场、公司股票等的崩溃中,几乎所有的崩溃都有这些偶然的模式。"反泡沫“的概念也被总结出来,并对1999年开始的日本股票市场和美国股票市场进行了两次前瞻性预测。最后,我们提出我们对金融市场组织的看法。
2003-01-28 cond-mat.stat-mech nlin.AO physics.soc-ph
Dynamical Characteristics of Global Stock Markets Based on Time Dependent Tsallis Non-Extensive Statistics and Generalized Hurst Exponents
我们使用时间相关的扩展Tsallis统计量对股票市场指数进行非线性分析。具体来说,我们评估的q-三元组特定的时间段的目的是展示的时间依赖性的基础市场动态的扩展特征。我们对全球四个主要市场(S&P 500,东京-日经,法兰克福-DAX,伦敦-LSE)的每日收盘价格时间序列进行了分析。为了比较,我们还计算时间相关的广义赫斯特指数(GHE)Hq使用GHE方法,从而估计指数动态的多尺度特性的时间演化。我们专注于关键市场事件之前和之后的时期,如股票市场泡沫(2000年dot.com泡沫,日本1990年泡沫,2008年美国不动产危机),并发现q三重值的时间趋势在这些时期之间显着不同,表明在泡沫破裂前的上升期,市场动态的基本扩展统计数据强烈偏离纯粹的随机行为,而在破裂后,它逐渐收敛到高斯型行为,这是有效市场的特征。我们还得出结论,Tsallis q-三联体的相对时间变化模式可以连接到市场动态的不同方面,并揭示了有用的信息,特别是那些潜在的发展的股票市场泡沫的市场条件。我们发现了q三元组中指数相对变化的特定时间模式和趋势,这些模式和趋势区分了股市泡沫破裂之前和之后的时期。内生和外生股票市场危机之间的差异也被Tsallis q三元组的时间变化所捕获。最后,我们介绍了两个新的时间依赖性的经验度量(Q度量)的Tsallis q-三元组的功能。
2021-04-07 q-fin.ST
Statistical inference of co-movements of stocks during a financial crisis
为了了解和预测社会系统的涌现现象,我们提出了几个概率模型,用于分析金融市场,特别是在危机前后。我们首先试图通过利用多维标度,通过典型的日本每日股票之间的交叉相关性来可视化市场在金融危机期间的集体行为。我们发现,当经济危机发生时,所有的二维点(股票)都会收缩到一个小区域内。通过使用金融市场中的互相关特性,特别是在危机期间,我们接下来提出了一个理论框架,同时预测几个时间序列。我们的模型系统基本上是由一个变种的多层伊辛模型与非平稳的时间序列随机场。概率模型中出现的超参数通过最小化过去市场历史中的“累积误差”来估计。我们的方法的合理性和有效性进行了数值研究的几个经验数据集。
2013-09-07 q-fin.ST
Specialization of strategies and herding behavior of trading firms in a financial market
理解复杂的社会或经济系统是一项重要的科学挑战。在这里,我们提出了一个全面的研究,西班牙证券交易所表明,大多数金融公司在该市场的交易特点是由此产生的战略,并可以分为不同专业化的公司集团。很少有大公司总体上充当趋势公司,而许多异质性公司充当反转公司。这两个群体的羊群特性明显不同,并在四年的贸易期内一直观察到。
2007-07-03 physics.soc-ph q-fin.ST
Systematic analysis of group identification in stock markets
我们提出了改进的方法来识别股票群体的股票价格变化的相关矩阵。通过滤除市场效应和随机噪声,构造出股票之间具有非平凡的高相关性的股票组相关矩阵,利用过滤后的相关矩阵,通过对矩阵表示的优化和基于相关性的股票网络的逾渗方法,成功地识别出多个股票组,而不需要任何额外的股票知识.这些方法大大减少了模糊性,同时使用相关矩阵的特征向量找到股票组。
2005-10-26 cond-mat.stat-mech physics.soc-ph q-fin.ST
Collective dynamics of stock market efficiency
有效市场假说认为,股票价格充分反映了所有可获得的信息,这一观点总是与现实世界的市场行为相矛盾。虽然有大量的证据表明和量化股票市场的效率,大多数研究假设这种效率是恒定的,随着时间的推移,使其动态和集体方面仍然知之甚少。在这里,我们定义的时变效率的股票市场指数的对数收益率的滑动时间窗口内的排列熵计算。我们发现,主要的世界股票市场可以分为几个组,显示类似的长期效率配置文件的层次。然而,我们也表明,效率排名和具有类似趋势的市场集群一次只能稳定几个月。因此,我们提出了一个网络表示的股票市场,聚合成一个全球性的和连贯的画面,其短期效率模式。我们发现这个金融网络是强烈纠缠的,同时也有一个模块化的结构,由两个不同的股票市场组。我们的研究结果表明,股票市场效率是一个集体现象,可以驱动其运行在一个高水平的信息效率,但也将整个系统的失败风险。
2020-11-30 physics.soc-ph q-fin.ST
Approximation of eigenvalues of spot cross volatility matrix with a view toward principal component analysis
为了研究利率市场动态的几何学,Malliavin、Mancino和Recchioni [A non-parametric calibration of the HJM geometry:an application of伊藤微积分to financial statistics,{ \it Japanese Journal of Mathematics},2,pp.55- 77,2007]介绍了一种方案,该方案基于傅立叶级数方法来估计现货交叉波动率矩阵的特征值。在本文中,我们提出了另一种估计方案的基础上二次变分法。我们首先建立每一个计划的极限定理,然后我们使用一个随机波动率模型的赫斯顿的类型来比较这两个计划的有效性。
2014-09-08 q-fin.ST
Renormalization Group Analysis of October Market Crashes
作者提出的时间序列的自相似性分析方法被应用于市场危机的描述。主要关注的是1929年10月,1987年和1997年的股票市场危机,这可以成功地处理所建议的方法。市场崩溃和临界现象之间的类比被强调。
1998-04-22 cond-mat.stat-mech q-fin.ST
A model for correlations in stock markets
我们提出了一个股票市场相关性的群体模型。在群体模型中,市场由几个群体组成,在这些群体中,股票价格波动是相关的。经验相关矩阵的光谱特性报道在[物理。{ \bf 83},1467(1999); Phys. Rev. Lett. { \bf 83},1471(1999.)]从模型中可以很好地理解。它提供了经验相关矩阵的谱特性和股票市场相关性结构之间的联系。
1999-12-06 cond-mat.dis-nn cond-mat.stat-mech q-fin.ST
Deep learning for Stock Market Prediction
Tarbiat Modares University(塔比阿特·莫达雷斯大学);University of Tehran(德黑兰大学);Payame Noor University(Payame Noor大学);Bauhaus-Universität Weimar(魏玛包豪斯大学);Oxford Brookes University(牛津布鲁克斯大学);Technische Universität Dresden(德累斯顿工业大学)
对企业集团价值的预测一直是投资者关注的热点和难点。本文主要研究股票市场群体的未来预测问题。选择德黑兰证券交易所的金融、石油、非金属矿产和基本金属四类股票进行实验评估。这些数据是根据十年的历史记录收集的。值预测是提前1、2、5、10、15、20和30天创建的。用于预测股票市场群体未来价值的机器学习算法。我们采用了决策树,Bagging,随机森林,自适应提升(Adaboost),梯度提升和极端梯度提升(XGBoost),人工神经网络(ANN),递归神经网络(RNN)和长短期记忆(LSTM)。选择十个技术指标作为每个预测模型的输入。最后,预测的结果,提出了每种技术的基础上的三个指标。在本文使用的所有算法中,LSTM显示出更准确的结果,具有最高的模型拟合能力。此外,对于基于树的模型,Adaboost、Gradient Boosting和XGBoost之间经常存在激烈的竞争。
2020-03-31 cs.LG q-fin.ST
Coherence and incoherence collective behavior in financial market
金融市场作为一个高度复杂的演化系统已经被广泛研究。在本文中,我们量化金融价格波动通过一个耦合的动力系统组成的相位振荡器。我们发现,当系统演化到稳定状态时,出现了金融相干与非相干(FCI)共存的集体行为,其中股票分裂为两组:一组由相干的锁相振荡器组成,另一组由非相干的漂移振荡器组成。研究表明,在经济周期内,一致性股票群体的规模会随着现实世界的金融不稳定或冲击而波动。此外,我们引入相干特征矩阵来描述相干组中股票的参与动态。矩阵上的聚类结果提供了经济时期股票之间相关性的新表现。我们对各组组成部分的分析与全球行业分类标准(GICS)的分类一致,也可以找出新发展行业的特征。这些结果对刻画金融市场的内在动力结构和制定最优投资策略具有潜在的意义。
2016-05-08 nlin.AO q-fin.ST
The US stock market leads the Federal funds rate and Treasury bond yields
利用一种新的方法对经济时间序列之间的时变超前-滞后相关性进行量化(热最优路径方法),我们检验了固定收益理论的两个基本原理:(i)股票市场的变化和收益率的变化应该是反相关的;(ii)中央银行利率的变动,作为中央银行货币政策的代表,应可预测未来股票市场的走向。使用月度和每周数据,我们发现标准普尔500股票市场指数与两组债券收益率之间的领先-滞后依赖关系非常相似:短期债券收益率(联邦基金利率(FFR),3 M,6 M,1 Y,2 Y和3 Y)和长期债券收益率(5 Y,7 Y,10 Y和20 Y)。在所有情况下,我们观察到(i)和(ii)的相反。首先,股票市场和收益率同向变动。其次,股票市场领先收益率,包括且特别是FFR。此外,我们发现,在2007年中期开始的金融危机之前,第一组的短期收益率领先于第二组的长期收益率,之后则保持相反的关系。这些结果表明,美联储越来越关注股票市场的行为,认为这是经济复苏和健康的关键。在金融危机开始后,长期投资者似乎对金融股票市场提供的信号的反应和注意力也比美联储本身更强。传统的滞后互相关分析证实了标准普尔500股票市场指数领先于各期限债券收益率。
2011-02-10 physics.data-an q-fin.ST
Do Weibo platform experts perform better at predicting stock market?
University of Limerick(利默里克大学);LERO(LERO(爱尔兰软件工程研究中心))
本文结合 BERT 情感分类与 LSTM 时序预测,比较微博 AFA 与 UFA 用户情感对恒生指数走势的预测效果,发现 AFA 组预测精度高 39.67%,最高准确率达 87%。
2024-02-12 cs.AI cs.LG cs.SI