Hierarchical structure of stock price fluctuations in financial markets
金融市场和动荡由于相同的定量方法和几个共同的程式化事实而被广泛地比较。本文应用She-Leveque（SL）体系来研究和量化金融市场中股票价格波动的层次结构，该体系用于解释流体湍流中速度波动的标度指数偏离Kolmogorov单分形标度的现象.因此，我们观察到一些有趣的结果：（i）与多重分形标度相关的层次结构普遍存在于我们研究的所有股票价格波动中。(ii)发达金融市场与新兴市场之间描述SL层次结构的定量统计参数存在明显差异。(iii)对于高频股票价格波动，不同时间段的层次结构不同。这些结果为研究金融市场的波动性和金融市场动力学提供了一个新的类比，也为深入理解金融市场的多重分形性提供了一个新的视角。
2012-09-19 q-fin.ST
Intra-day variability of the stock market activity versus stationarity of the financial time series
我们描述的自相关函数估计的日内活动模式的影响。本文得到了非平稳过程自相关函数与平稳过程自相关函数估计量之间的一个精确关系式。因此，我们证明了交易间时间的日季节性扩展了过程本身的记忆，以及它的绝对值。也就是说，这两个过程弛豫到零的时间更长。
2014-08-26 physics.data-an q-fin.ST q-fin.TR
Stylized Statistical Facts of Indonesian Financial Data: Empirical Study of Several Stock Indexes in Indonesia
本文试图揭示金融的一般统计特征;时间序列数据，受到几个金融时间序列数据目前在印度尼西亚，例如，个别指数，如PT的股票价格。TELKOM、PT HM SAMPOERNA的股票价格和编制的股票价格指数（雅加达股票交易所指数）。我们试图分析的特征是波动聚集，截断Levy分布和多重分形特征。本文的分析为进一步研究印度尼西亚人工证券交易所提供了指导，该人工证券交易所代表了印度尼西亚证券交易所的微观结构。本文是自上而下的统计行为分析的一个恢复，成为开始一个更自下而上的分析的基础。
2004-03-18 cond-mat.other q-fin.ST
Identification of phase correlations in Financial Stock Market Turbulence
本文提出频谱分析框架，分解定价模式以识别周期，从而考察印度国家证券交易所的波动本质，弥补传统方法不足。
2025-09-11 physics.data-an q-fin.ST
Interdependency between the Stock Market and Financial News
股票价格是由各种因素驱动的。特别是，许多金融知识相对较少的个人投资者在做出股票市场投资决策时严重依赖新闻报道的信息。然而，由于新闻的主观性，这些故事可能并不反映未来的股票价格;股票价格反而可能影响新闻内容。本研究旨在发现是新闻还是股票价格对另一个有更大的影响。为了实现这一点，我们分析了新闻情绪和股票价格之间的关系，基于时间序列分析，使用五种不同的分类模型。我们的实验结果表明，股票价格对新闻内容的影响大于新闻对股票价格的影响。
2019-09-01 cs.IR q-fin.ST
Measuring Volatility Clustering in Stock Markets
提出了一种新的方法来量化复杂时间序列中的聚类行为，并将其应用于金融市场的高频数据。我们发现，无论使用哪种数据集，所有数据都表现出波动率聚集的特性，而使用GARCH模型滤除波动率聚集效应的数据集显著降低了波动率聚集。结果表明，该方法能够有效地度量金融市场的波动率聚集效应。
2007-09-15 physics.data-an q-fin.ST
Blindfolded monkeys or financial analysts: who is worth your money? New evidence on informational inefficiencies in the U.S. stock market
有效市场假说一直被认为是金融学中最具争议的论点之一，学术界分为谁声称不可能击败市场，谁相信有可能获得超过平均利润。如果这一假设成立，就像伯顿·麦基尔（Burton Malkiel）所提出的那样，这意味着一只蒙着眼睛的猴子通过向报纸的金融版投掷飞镖来选择股票，它的表现可以和金融分析师一样好，甚至更好。在本文中，我们使用了一种新的方法，基于置信区间的比例，以评估在标准普尔500指数成分的无效率的程度，得出结论，一些股票是无效的：我们估计指数中的无效股票的比例为12.13%和27.87%之间。这支持了其他研究，证明金融分析师可能是比蒙着眼睛的猴子更好的投资者。
2019-10-11 q-fin.ST
Financial ratios and stock returns reappraised through a topological data analysis lens
公司的财务状况是公认的回报预测指标，是资产定价文献中大量异常现象的灵感来源。采用拓扑数据分析，我们重新审视了七个最常见的研究财务比率和股票收益率之间的关联问题。具体来说，TDA球映射算法被应用于可视化的点云的财务比率作为一个抽象的二维图形，很容易允许识别因素之间的相互依赖关系。这些关系很少是单调的，投资者利用TDA提供的知识获利的机会比比皆是。明确的潜力所提供的工具，TDA揭示新的光资产定价模型的证明。受益的范围仅受分析师获得信息的限制。
2019-11-23 q-fin.ST
Power Law Distributions for Stock Prices in Financial Markets
本文研究了四个证券市场上市公司股票价格收益率的秩分布、累积概率和概率密度。我们发现，股票价格的等级分布和累积概率的交易是近似符合齐普夫定律或幂律。本文还得到了上市股票的归一化收益率的概率密度几乎具有指数函数的形式。我们的结果与其他数值计算进行了比较。
2004-12-01 cond-mat.other q-fin.ST
Effect of the U.S.--China Trade War on Stock Markets: A Financial Contagion Perspective
在本文中，我们调查了美国的影响--基于高频金融数据，从金融传染的角度看中国贸易战对股票市场的影响。具体来说，为了解释中美股票市场之间的风险传染，我们建立了一个新的跳跃-扩散过程。例如，我们考虑三个渠道的波动传染-如综合波动，正跳变，负跳变-和每个股票市场能够影响其他股票市场作为一个隔夜风险因素。我们发展了一个模型参数的拟极大似然估计，并建立了它的渐近性质。此外，为了识别传染渠道和测试结构突变的存在，我们提出了假设检验程序。通过实证研究，我们发现了金融危机从美国向中国传染的证据，以及风险传染渠道从综合波动率向负跳跃变化的证据。
2021-11-18 q-fin.ST stat.ME
Dynamic Conditional Correlation between Electricity and Stock markets during the Financial Crisis in Greece
电力市场的自由化越来越需要了解电力市场和金融市场之间的波动性和相互关系。这项工作揭示了这两个市场之间的相关模式的结构性变化的存在，并将变化与市场的基本面和监管条件以及当前的欧洲金融危机联系起来。我们应用动态条件相关（DCC）GARCH模型来研究一组市场的基本变量和希腊的金融市场和微观经济指标之间的相互作用。重点是在严重的金融危机时期的国家，以了解这两个市场之间的传染和波动溢出。
2017-08-11 q-fin.ST
The study of Thai stock market across the 2008 financial crisis
金融市场的上同调理论允许我们在大统一理论中明确定义八种市场状态的情况下，对时间序列数据随时间段的Kolmogorov空间进行变形。在金融市场崩溃的情况下，由交易者之间的耦合行为场诱导的反德西特空间在金融市场时空中起着类似引力场的作用。在这种混合数学超结构下，我们利用泡利矩阵和修正的Wilson环为时间序列数据重新定义了一个行为矩阵。我们用它来检测2008年金融市场崩溃，通过使用一个度的上同调群的球在张量场的相关矩阵在所有可能的主导股票的泰国SET 50指数期货。利用相关矩阵的经验模态分解和内在时间尺度分解以及平面图的贴近中心度计算，对金融张量网络进行了实证分析。
2016-06-09 q-fin.ST
Structural Changes on Warsaw's Stock Exchange: the end of Financial Crisis
在本文中，我们分析了华沙的股票市场的结构，使用复杂系统的方法与网络科学和信息理论。我们发现华沙的证券交易所的年度时间序列在2000年和2013年之间的日志回报的最小生成树。对于这些树中的每个股票，我们计算其马尔可夫中心性度量来估计其在网络中的重要性。我们还估计熵率为这些时间序列使用Lempel-Ziv算法为基础的估计，研究这些价格变化的可预测性。将所研究的股票分为26个部门，使我们能够研究华沙股票市场的变化结构，并得出结论，严格意义上的金融危机已经在2012-13年结束了华沙的股票市场。我们还评论的历史和前景的华沙市场的日志回报的基础上，他们的平均值，变异性，熵和中心的股票在依赖网络。
2013-11-17 physics.soc-ph q-fin.ST
The impact of the financial crisis on the long-range memory of European corporate bond and stock markets
本文研究了1998年7月至2015年2月期间欧盟6国公司债券和股票指数的长记忆性。为了度量长程相关性，我们用DFA方法和滑动窗口计算了赫斯特指数。我们发现赫斯特指数在股票和债券市场上的表现不同，股票指数比债券指数更平滑。我们验证了信息效率的水平是随时间变化的。此外，我们发现2008年金融危机对固定收益市场和股票市场的影响是不对称的，影响前者，但不影响后者。使用R/S方法得到类似的结果。
2016-05-21 q-fin.GN q-fin.ST
Multi-Likelihood Methods for Developing Stock Relationship Networks Using Financial Big Data
开发股票网络是大数据时代探索不同股票之间关系的重要途径。尽管已经设计了许多方法来构建股票相关性网络，但如何平衡显著相关性的选择和网络的连通性仍然是一个挑战。为了解决这个问题，我们提出了一种新的方法来选择股票网络中的必要边缘，并保持已建立的网络的连通性。这种方法使用不同的阈值来选择连接到特定股票的边，而不是在现有的资产价值方法中使用单个阈值。该算法的创新之处在于将多个分布引入到一个最大似然估计中来选择阈值，而不是现有方法中的单一分布估计。利用中国上海证券市场151只股票的数据，构造了一个股票关系网络，并分析了网络的拓扑性质。我们的研究结果表明，所提出的方法是能够开发的网络，保持适当的连接类型的资产阈值方法。
2019-06-19 q-fin.ST
Random Matrix Theory and Cross-correlations in Global Financial Indices and Local Stock Market Indices
我们使用随机矩阵理论（RMT）分析了全球金融指数（全球20个每日股票指数）和当地指数（韩国股票市场200家公司的每日指数）之间的价格波动之间的交叉相关性。我们比较了2008年全球金融危机之前、期间和之后的互相关矩阵的最大和第二大特征向量的特征值和分量。我们发现它的大部分特征值落在RMT界[λ_，λ+]内，其中λ_-和λ_+是随机相关矩阵特征值的上下界。最大正特征值的特征向量的分量指示主导全球和本地指数的相同金融市场模式。另一方面，对应于第二大特征值的特征向量的分量交替地为正值和负值。危机前的成分在危机期间改变符号，危机期间的成分在危机之后改变符号。在全球和地方指数中，与最小特征向量相对应的最大逆参与率在危机后高于任何其他时期。在全球金融危机期间，全球指数之间和本地股票指数之间的相关性受到显著扰动。然而，指数之间的相关性很快恢复了危机前的趋势。
2013-02-26 q-fin.ST
Contagion among Central and Eastern European stock markets during the financial crisis
本文是对国际股票市场同步性和传染性的文献贡献。我们的方法的新颖之处在于应用小波工具的高频金融市场数据，这使我们能够了解股票市场之间的关系，在时间-频率域。经济时间序列分析的主要部分是在时域或频域分别进行的，而小波分析结合了这两种基本方法。小波技术揭示了中欧和东欧（CEE）股票市场和德国DAX指数在不同的投资期限之间的相关性有趣的动态。结果表明，中东欧市场与该地区主要市场的连接在较高频率下比在较低频率下明显降低。与以往的文献相反，我们的文件显着降低传染性的中东欧市场和德国DAX后，大2008年股票市场崩溃。
2013-09-30 q-fin.GN q-fin.ST
Visualizing the Financial Impact of Presidential Tweets on Stock Markets
随着每天创建的数据越来越多，所有这些都有助于通过数据分析做出更好的决策。它与金融市场产生的数据没有什么不同。在这里，我们研究了全球经济如何受到美国总统唐纳德特朗普的微博数据（推文）影响的市场情绪的影响。新闻提要从2016年12月至2019年10月期间的《卫报》和彭博社收集，用于进一步确定影响市场的潜在推文，以股票指数的变化为衡量标准。
2021-01-08 q-fin.ST
Cross-response in correlated financial markets: individual stocks
以往的研究主要集中在单个股票的动态，即他们解决了自我反应的股票价格对交易的反应。本文实证研究了相关市场中一只股票对其他股票交易的价格反应，即交叉反应。一只股票对其他股票的影响有多大，反之亦然？--从市场有效性的观点来看，交易对股票价格变动的影响不是永久性的，而是暂时性的。此外，我们还比较了不同量表上的自我反应以及同一量表上的自我反应和交叉反应。我们还发现，交叉相关的贸易迹象原来是一个短记忆过程。
2016-04-25 q-fin.ST q-fin.TR
Predicting future stock market structure by combining social and financial network information
我们证明，未来市场的相关性结构可以预测高样本外的准确性，使用一个多路复用的网络方法，结合从社交媒体和金融数据的信息。市场结构是通过量化资产价格回报的共同运动来衡量的，而社会结构则是通过社交媒体对这些资产的意见的共同运动来衡量的。预测是通过一个简单的模型来获得的，该模型使用链接持久性和通过跨金融和社交媒体层的三元闭合的链接形成。结果表明，与假设时不变金融相关结构的基准模型相比，该模型可以预测未来市场结构，样本外性能提高高达40%.社交媒体信息导致所有测试设置的改进模型，特别是在金融市场结构的长期预测中。令人惊讶的是，金融市场结构比社会舆论结构表现出更高的可预测性。
2018-11-26 q-fin.ST
Sanction or Financial Crisis? An Artificial Neural Network-Based Approach to model the impact of oil price volatility on Stock and industry indices
在本文中，我们模拟了国际制裁和制裁后两个时期的油价波动对德黑兰股票指数和工业指数的影响。为了分析研究的目的，我们使用了前馈神经网络。研究时间为2008年至2018年，分为国际能源制裁期间和制裁后两个时期。研究结果表明，前向神经网络对股票市场和行业指数的预测效果较好，说明油价波动对股票和行业指数有显著影响。在制裁后和全球金融危机期间，该模型对行业指数的预测效果较好。此外，油价-股票市场指数预测在国际制裁期间表现较好。这些结果对于金融市场分析师和政策制定者了解哪些因素以及何时影响金融市场具有一定的参考价值，特别是对于伊朗这样一个石油依赖型国家，在国际政治不确定的情况下。关键词：前馈神经网络，工业指数，国际能源制裁，油价波动，德黑兰股票指数
2020-09-11 q-fin.CP 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
Cross-Lingual News Event Correlation for Stock Market Trend Prediction
National University of Sciences and Technology（国立科技大学）；Bahria University（巴里亚大学）；Prince Sultan University（苏丹王子大学）
本文构建结构化金融数据集并提出跨语言自然语言金融预测流水线，结合情感分析、命名实体识别和语义相似度，揭示新闻事件与股市趋势的关联，为投资者提供决策支持。
2024-09-16 cs.LG q-fin.ST
Financial Time Series: Stylized Facts for the Mexican Stock Exchange Index Compared to Developed Markets
我们提出了一些程式化的事实表现出的墨西哥证券交易所指数（IPC）的回报率的时间序列，并将其与发达国家（美国，英国和日本）和新兴市场（巴西和印度）的样本进行比较。研究时间为1997-2011年。程式化的事实主要与概率分布函数和自相关函数有关（例如，肥尾、非正态性、波动率聚类等）。我们发现，在墨西哥和巴西，但不是在其余的回报率的正偏度，建议投资机会。非线性的证据也被记录。
2014-12-09 q-fin.ST
FNSPID: A Comprehensive Financial News Dataset in Time Series
该论文提出FNSPID，一个包含1999至2023年标普500公司股票价格与新闻的大规模数据集，通过实验证明其规模和质量能显著提升市场预测准确性，并提供了可复现的更新流程。
2024-02-09 q-fin.ST
Stock Embeddings: Learning Distributed Representations for Financial Assets
University College Dublin（都柏林大学）
识别金融资产的价格变动之间的有意义的关系是各种金融应用中具有挑战性但重要的问题。然而，随着最近的研究，特别是那些使用机器学习和深度学习技术的研究，主要集中在价格预测上，研究资产相关性建模的文献有所滞后。为了解决这个问题，受自然语言处理领域最近成功的启发，我们提出了一种用于训练股票嵌入的神经模型，该模型利用历史收益数据的动态性，以了解金融资产之间存在的细微差别关系。我们详细描述了我们的方法，并讨论了一些方法，它可以用于金融领域。此外，我们提出了评估结果，以证明这种方法的实用性，相比几个重要的基准，在两个现实世界的金融分析任务。
2022-02-14 cs.LG q-fin.CP q-fin.ST
An econophysics approach to analyse uncertainty in financial markets: an application to the Portuguese stock market
近年来，几个科学领域之间的相互关系越来越密切，试图对自然和社会现象做出更现实、更丰富的解释。其中，应该强调的是物理学和金融理论之间日益增长的相互关系。在这一领域，对金融分析中至关重要的不确定性的分析可以使用物理统计学和信息论的测量方法，即香农熵。这种方法的一个优点是熵是比方差更一般的度量，因为它考虑了概率分布函数的高阶矩。使用从葡萄牙股票市场收集的数据进行了实证应用。
2005-09-30 physics.soc-ph q-fin.ST
DP-LSTM: Differential Privacy-inspired LSTM for Stock Prediction Using Financial News
Columbia University（哥伦比亚大学）；Beijing Institute of Technology（北京理工大学）
股票价格预测是股票市场价值投资的重要内容。特别是，利用金融新闻文章的短期预测，近年来是有前途的。在本文中，我们提出了一种用于股票价格预测的新型深度神经网络DP-LSTM，它将新闻文章作为隐藏信息，并通过差分隐私机制整合不同的新闻来源。首先，在自回归滑动平均模型（ARMA）的基础上，考虑财经新闻文章的信息，建立了一个情感ARMA模型。然后，设计了一个基于LSTM的深度神经网络，它由三个组件组成：LSTM，VADER模型和差分隐私（DP）机制。所提出的DP-LSTM方案可以减少预测误差并提高鲁棒性。在S&P 500股票上的大量实验表明，（i）所提出的DP-LSTM在预测结果的平均MPA上实现了0.32%的改进，以及（ii）对于市场指数S&P 500的预测，我们在MSE上实现了高达65.79%的改进。
2019-12-20 cs.CL q-fin.ST
Tracing the temporal evolution of clusters in a financial stock market
本文提出股票收益时间序列聚类方法及图表示框架，将聚类演化映射为组合图问题，以辅助投资组合设计与投资策略，并在马德里证券交易所数据上验证。
2011-11-14 cs.CE math.ST q-fin.ST
Stock market as temporal network
金融网络在描述复杂金融系统的结构方面非常有用。同时，股票市场的时间演化特性可以用时间网络来描述。我们利用时间网络框架来描述股票市场的时间演化相关网络。通过金融网络拓扑结构的演化可以检测出市场的不稳定性。我们采用时间中心性作为投资组合选择工具。在不同的投资组合优化方案下，由时间中心性分数较低的外围股票组成的投资组合表现出较好的一致性，表明时间中心性度量可以作为新的投资组合优化和风险管理工具。我们的研究结果揭示了股票市场的时间属性的重要性，这在现实生活中的应用，应该认真考虑。
2017-12-13 q-fin.ST
Research on the correlation between text emotion mining and stock market based on deep learning
本文讨论了如何抓取股票吧等金融论坛的数据，并结合深度学习模型进行情感分析。本文将利用BERT模型对金融主体进行训练，并对深证成指进行预测。通过最大信息系数（MIC）的对比研究发现，将BERT模型应用于金融语料得到的情感特征能够反映在股票市场的波动中，有利于有效提高预测精度。同时，本文将深度学习与金融文本相结合，通过深度学习进一步探索投资者情绪对股票市场的影响机制，有助于国家监管部门和政策部门制定更加合理的维护股票市场稳定的政策和指引。
2022-05-09 cs.LG q-fin.ST
Signal inference in financial stock return correlations through phase-ordering kinetics in the quenched regime
Institut des Syst\`emes Complexes ISC-PIF , CNRS, 113 rue Nationale, Paris, 75013, France.
本文提出随机场论模型，在特征值连续谱内建立信号检测阈值，克服主成分分析在随机矩阵情形下失效的问题，并在标普500金融股票收益相关性中成功检测到最大特征值中的信号。
2024-09-29 cond-mat.stat-mech q-fin.MF q-fin.ST
Dynamical analysis of financial stocks network: improving forecasting using network properties
本研究通过分析股票收益相关网络，提取个股与全局网络属性，用于预测标普500个股未来收益，长期预测R2提升50%，短期提升3%。
2024-08-21 physics.soc-ph q-fin.CP q-fin.ST
Hierarchical Structure in Financial Markets
我发现了一个拓扑安排的股票交易在金融市场，其中有关联的一个有意义的经济分类。拓扑空间是连接所分析的投资组合的股票的图。该图是从计算投资组合中所有股票对之间的相关系数矩阵出发，考虑每日股票价格对数之差的同步时间演化而得到的。与图相关联的次支配超度量空间的层次树提供了有用的信息，以调查的数量和性质的共同的经济因素影响的时间演变的对数定义良好的股票组的价格。
1998-02-24 cond-mat.dis-nn cond-mat.stat-mech q-fin.ST
Statistical properties of the aftershocks of stock market crashes revisited: Analysis based on the 1987 crash, financial-crisis-2008 and COVID-19 pandemic
在任何一场独特的危机中，恐慌性抛售都会导致大规模的股票市场崩盘，这种崩盘可能会持续一天以上，被称为主震。在股票价格的整个恢复阶段，可以感受到余震形式的主震的影响。由于市场在复苏期间仍处于压力之中，任何小的扰动都会导致相对较小的余震。恢复阶段的持续时间已估计使用结构断裂分析。我们对1987年股票市场崩盘、2008年金融危机和2020年COVID-19疫情进行了统计分析，考虑了主震和余震的实际崩盘时间。早些时候，这样的分析是考虑一天的绝对回报，这不能正确地捕捉崩溃。结果表明，股票市场的主震和余震均遵循古登堡-里克特（GR）幂律。此外，与2008年金融危机相比，我们从GR定律中获得了COVID-19崩溃的更高$β$值。这意味着COVID-19期间股价的复苏可能比金融危机-2008更快。该结果与目前市场从COVID-19疫情中复苏一致。分析表明，恢复阶段高震级余震较少，低震级余震频繁。分析还表明，分布$P(τ_i)$遵循广义帕累托分布，即，$\displaystyle~P(τ_i)\propto\frac{1}{\{1+λ(q-1)τ_i\}^{\frac{1}{(q-1)}}}$，其中$λ$和$q$为常数，$τ_i$为出现间隔时间。这种分析可以帮助投资者在市场崩溃时重组他们的投资组合。
2021-09-01 q-fin.ST
Dynamics of the Number of Trades of Financial Securities
我们进行了一个平行的频谱密度的分析（i）对数的价格和（ii）每天的交易数量的一组股票在纽约证券交易所交易。选择的股票代表了广泛的股票资本化。所观察到的谱密度表现出不同的幂律行为。我们确认了股票价格对数的谱密度的$1/f^2$行为，而我们检测到一个$1/f$样的行为的每日交易数量的谱密度。
1999-12-01 cond-mat.stat-mech q-fin.ST
Price response in correlated financial markets: empirical results
以往关于个股交易对股价反应的研究主要集中在个股上。我们实证研究了一只股票对其他股票交易的价格反应。一只股票对其他股票的影响有多大，反之亦然？交易对股票价格变化的影响似乎是暂时的，而不是永久的。执行不同的平均值，我们区分主动和被动的反应。这两个平均响应显示出不同的特性依赖于时间滞后。被动响应的响应周期较短，波动较大，而主动响应的响应周期较长。我们还研究了给定股票对不同行业和整个市场的反应。此外，我们比较了自我反应与各种交叉反应。交易信号的相关性对于一对股票来说是一个短期记忆过程，但当它在不同的股票对上平均时，它就变成了一个长期记忆过程。
2016-03-16 q-fin.ST q-fin.TR
Predicting Indian stock market using the psycho-linguistic features of financial news
Institute for Development and Research in Banking Technology (IDRBT)（银行技术发展与研究院）；University of Hyderabad（海得拉巴大学）；Indian Institute of Technology Kharagpur（印度理工学院卡哈拉格普尔分校）
利用新闻文章进行财务预测是一个新兴领域。本文提出了一种基于混合智能模型的股票市场预测方法，该方法使用从新闻文章中提取的心理语言变量（LIWC和TAALES）作为预测变量。为了预测的目的，我们采用了各种智能技术，如多层感知器（MLP），组数据处理方法（GMDH），一般回归神经网络（GRNN），随机森林（RF），分位数回归随机森林（QRRF），分类和回归树（CART）和支持向量回归（SVR）。我们对12家在孟买证券交易所（BSE）上市的公司股票的数据进行了实验。我们采用卡方和最大相关性和最小冗余（MRMR）的心理语言学功能，从新的文章等获得的功能选择技术，经过广泛的实验，使用Diebold-Mariano测试，我们得出结论，GMDH和GRNN是统计上最好的技术，在该顺序相对于MAPE和NRMSE值。
2019-11-07 cs.LG q-fin.ST
Universal Dynamics of Financial Bubbles in Isolated Markets: Evidence from the Iranian Stock Market
Shahid Beheshti University（沙希德·贝赫什提大学）
本文通过伊朗股市的实证研究，证明孤立市场中的金融泡沫动力学具有普遍性，揭示了内生机制在泡沫形成中的主导作用。
2025-12-12 q-fin.ST
Unveiling correlations between financial variables and topological metrics of trading networks: Evidence from a stock and its warrant
交易者采用不同的交易策略，以最大限度地提高他们在金融市场的回报。这些交易策略不仅会导致交易网络中特定的拓扑结构，将交易者与成对的买卖关系联系起来，而且还会对市场动态产生潜在的影响。本文基于2005年8月22日至2006年8月23日宝钢股份及其权证的交易审计跟踪数据，详细分析了交易网络中交易者结构与市场行为的关系。在我们的研究中，我们将每个交易日分为48个时间窗口，每个时间窗口的长度为5分钟，在每个窗口内构建一个交易网络，并获得了超过1,100个交易网络的时间序列。我们发现，有很强的同时相关性之间的拓扑指标（包括网络中心化，指数，平均路径长度）的交易网络，订单执行模式和金融变量（包括回报率，波动性，交易持续时间，交易量）的股票和权证的特征。我们的分析可能为复杂系统中元素之间的微观相互作用如何影响系统的性能提供新的思路。
2013-08-05 q-fin.ST
Dependency Structure and Scaling Properties of Financial Time Series Are Related
我们报告的交叉相关性，层次属性和多重分形的纽约证券交易所每日股票收益率之间的深刻相互作用的证据。不同的股票所显示的多重分形的程度被发现是正相关的，他们在层次结构中的交叉相关性的深度。我们提出了一个动力学模型，再现这一观察以及其他经验性质的数组。该模型的结构是异质风险的层次结构在相关矩阵的时间演化中起着至关重要的作用，提供了一个解释的机制之间的相互作用和多重分形金融市场，其中股票的多重分形的程度与它们在交叉相关结构中的层次定位。本文的实证研究为金融时间序列的单变量多尺度特性和多变量互相关特性的融合提供了一个新的视角。
2013-09-10 q-fin.ST
An explanation for the distribution characteristics of stock returns
本文提出金融市场对事件或信息的反应函数及收益分布模型，解释股票收益的高峰、肥尾和偏斜特征，并通过对CSI 300、S&P 500和N225不同时间尺度的分析验证了市场反应不足、过度反应及正负信息反应不对称等规律。
2023-12-05 q-fin.ST
Joint Latent Topic Discovery and Expectation Modeling for Financial Markets
Dartmouth College（达特茅斯学院）；Millennium Management, LLC（千禧管理有限责任公司）；Northwestern University（西北大学）
针对关系型股票方法依赖预定义关系且仅考虑即时效应的问题，本文提出联合建模投资者预期并自动挖掘潜在股票关系的框架，在CSI 300上实现超过10%的年收益并达到新基准。
2023-06-01 cs.LG q-fin.ST
Event-Driven Learning of Systematic Behaviours in Stock Markets
NVIDIA（英伟达）
据报道，金融新闻，特别是新闻中表达的金融事件，为投资者的做多/做空决策提供信息，并影响股票市场的走势。基于此，我们利用金融事件流来训练一个分类神经网络，该网络可以检测美国股票市场中潜在的事件-股票联系和股票市场的系统行为。我们提出的流水线包括（1）一个组合的事件提取方法，利用开放信息提取和神经共指消解，（2）一个BERT/ALBERT增强的事件表示，和（3）一个扩展的分层注意力网络，包括对事件，新闻和时间水平的关注。与最先进的模型相比，我们的管道在预测标准普尔500指数、道琼斯指数、纳斯达克指数和10只个股时实现了更高的准确性和更高的模拟年化回报。
2020-10-23 cs.LG q-fin.ST
Graph-Based Learning for Stock Movement Prediction with Textual and Relational Data
Ecole Polytechnique（巴黎综合理工学院）；Exoduspoint Capital Management France（法国Exoduspoint资本管理公司）；ENSAE Paris（巴黎国立统计与经济管理学院）
由于市场的不确定性和从机器的角度理解自然语言的困难，从文本信息预测股票价格是一项具有挑战性的任务。以往的研究主要集中在基于单个新闻的情感提取上。然而，金融市场上的股票可能是高度相关的，关于一只股票的一个消息可以迅速影响其他股票的价格。考虑到这种影响，我们提出了一个新的股票走势预测框架：多图递归网络股票预测（MGRN）。该架构允许将来自金融新闻的文本情感和从其他金融数据中提取的多个关系信息相结合。通过对STOXX欧洲600指数股票的准确性测试和交易模拟，我们证明了我们的模型比其他基准更好的表现。
2021-12-15 cs.CL q-fin.ST
Inferring financial stock returns correlation from complex network analysis
本文通过复杂网络分析模拟股票收益相关性中的噪声与市场成分，发现高特征向量中心性和聚类的股票主导相关性矩阵，并基于模拟市场随机游走构建的最优投资组合在短期收益上比历史均值-方差方法最高提升50%。
2024-07-29 physics.soc-ph q-fin.PM q-fin.ST
BERT-based Financial Sentiment Index and LSTM-based Stock Return Predictability
传统的金融情感构建严重依赖于基于字典的方法，除了少数例外，使用简单的机器学习技术，如朴素贝叶斯分类器。鉴于自然语言处理技术的快速发展，本研究采用Google开发的预训练模型BERT构建了一个基于文本的情绪指数，特别是针对香港市场上三只交易活跃的个股，同时又是微博上的热门话题。一方面，我们证明了一个显着的增强应用BERT在金融情绪分析相比，现有的模型。另一方面，通过结合金融文献中构建情绪指数时常用的另外两种方法，期权隐含方法和市场隐含方法，我们提出了一个更一般和全面的金融情绪分析框架，并通过结合LSTM（具有非线性映射的特征）进一步为个股收益的可预测性提供令人信服的结果。这与情绪影响分析中的主流计量经济学方法都具有线性回归的性质有着显著的区别。
2022-07-07 q-fin.GN q-fin.ST
Cross-correlation in financial dynamics
为了研究金融动力学中相互作用的普遍结构，我们分析了中国股票市场价格收益的交叉相关矩阵C，并与美国和印度股票市场的交叉相关矩阵C进行了比较。作为一个重要的新兴市场，中国市场表现出比发达市场更强的相关性。在中国市场上，同一行业的股票之间的相互作用很弱，而在异常行业中检测到额外的相互作用。利用双因子模型的一个变体，我们模拟了金融市场中的相互作用.
2012-02-02 physics.comp-ph q-fin.ST
Volatility, Persistence, and Survival in Financial Markets
我们使用非平衡统计力学的一般技术和方法，研究时间依赖的股票价格（包括个人和复合）的时间波动作为一种随机现象。特别是，我们分析股票价格波动作为一个非马尔可夫随机过程，使用的第一次通过统计概念的持久性和生存。我们报告的实证测量结果的归一化$q$阶相关函数$f_q(t)$，生存概率$S(t)$，和持久性概率$P(t)$几个股票市场动态集。我们分析每分钟和更高频率的股票市场记录（即，采样时间$δt$为几天）。我们发现，波动的股票价格是多重分形和$δt$的选择没有影响的定性多重分形行为所显示的$1/q$依赖的广义赫斯特指数$H_q$与幂律演化的相关函数$f_q(t)\sim t^{H_q}$。股票价格在时间$t$之前保持高于平均值的概率$S(t)$对总测量时间$t_m$和采样时间非常敏感。股票在$t$区间内不返回到初始值的概率$P(t)$具有普适幂律行为$P(t)\sim t^{-θ}$，持续指数$θ$接近0.5，与预测$θ=1-H_2$一致。经验金融股票也提出了一个有趣的功能，发现在湍流，扩展自相似性。
2005-11-15 cond-mat.stat-mech physics.data-an physics.soc-ph
Financial sentiment analysis using FinBERT with application in predicting stock movement
University of Rochester（罗切斯特大学）
本研究利用FinBERT情感分析与LSTM网络构建深度学习模型，通过对比标准BERT、LSTM和ARIMA，证明情感分析显著提升股市走势预测准确性，并提出优化技术以增强模型性能。
2026-09-23 cs.AI cs.CE q-fin.ST
Stock market integration in the Latin American markets: further evidence from nonlinear modeling
本文在一个非线性框架下研究了拉美六大市场与美国市场的金融一体化。使用Hansen和Seo（2002）的阈值协整技术，我们发现墨西哥、智利和美国之间存在显著的阈值股票市场联系。因此，这些市场的动态同时取决于当地和全球风险因素。更重要的是，我们的研究结果表明，只有当股票价格调整超过一定水平时，才会激活一个开关阈值的金融整合过程。
2009-05-24 q-fin.ST
AI-Enhanced Factor Analysis for Predicting S&P 500 Stock Dynamics
本研究结合传统金融分析与机器学习，构建先进指标预测标普500股票动态，提升预测准确性并指导投资策略。
2024-12-17 q-fin.ST
Average cross-responses in correlated financial market
在相关的金融市场中，不同股票之间存在非零价格反应。我们通过执行不同的平均值来进一步研究这个问题，这些平均值识别主动和被动交叉响应。两个平均交叉响应对时滞表现出不同的特征依赖性。被动交叉响应具有较短的响应周期和较大的波动率，而主动交叉响应的响应周期较长。给定股票的平均交叉响应是相对于整个市场或不同行业进行评估的。使用响应强度，个股的影响进行了识别和讨论。此外，各种交叉响应以及平均交叉响应与自响应进行比较。相反，股票对的交易符号互相关的短记忆，符号互相关有长记忆时，平均超过不同的股票对。
2016-09-23 q-fin.ST q-fin.TR
Prediction oriented variant of financial log-periodicity and speculating about the stock market development until 2010
讨论了金融对数周期现象，并阐述了放大其预测潜力的特征。最主要的一个是自相似性，它在所有的时间尺度上都服从。此外，相同的优选比例因子似乎在牛市和熊市阶段的所有这些尺度上提供了对市场动态的最一致的描述，并且对所有主要市场都是通用的。这些因素为理解过去的市场行为以及设计预测方案设置了非常理想和有用的约束。一个新的推测性的例子，一个更详细的S $&$ P500的发展，直到2010年。
2005-03-01 physics.soc-ph q-fin.ST
