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
Price dynamics in financial markets: a kinetic approach
简要回顾了基于偏微分方程的动力学模型在金融市场股票价格形成动力学中的应用。强调和讨论了市场繁荣和崩溃中行为方面的重要性以及代理人异质性在新兴幂律价格分布中的作用。
2010-07-09 cond-mat.stat-mech q-fin.ST q-fin.TR
Using the Scaling Analysis to Characterize Financial Markets
我们实证分析了不同金融市场的每日外汇汇率，股票市场指数和债券期货的标度特性。我们研究的时间序列的标度行为，使用广义赫斯特指数的方法。我们验证了这种方法的鲁棒性，我们比较的结果与频域中的缩放属性。我们发现的证据偏离纯布朗运动的行为。我们表明，这些偏差与特定市场的特征，因此，它们可以用来区分不同程度的市场的发展。
2003-02-21 cond-mat.stat-mech q-fin.ST
Scaling and Multi-scaling in Financial Markets
本文回顾了一些现象学模型，已被引入到金融数据的标度特性。它还说明了一个微观模型，基于异构的相互作用的代理人，这提供了一个可能的解释市场的回报率的复杂动态。对模拟数据进行的标度和多标度分析与经验结果有很好的定量一致性。
2000-07-25 cond-mat.stat-mech q-fin.ST
Geography and distance effect on financial dynamics in the Chinese stock market
基于中国股票市场的个股日数据，研究了包括沪深两市在内的中国股票市场的地理效应。上海市和广东省可以确定在股票的地理部门。通过对一个地理参数的地理相关性的考察，发现股票的地理位置对金融动态有影响，但深圳市场在金融危机时期除外。进一步研究了股票距离效应，观察到股票距离分布的交叉行为。短距离的概率远大于长距离的概率。研究发现，上海股市的平均股票相关性随股票距离的变化而微弱衰减，而深圳股市的平均股票相关性随股票距离的变化而基本稳定。
2016-03-28 physics.soc-ph q-fin.ST
The continuous time random walk formalism in financial markets
我们适应连续时间随机游走（CTRW）形式主义来描述资产价格的演变，并讨论了一些问题，可以使用这种方法来处理。我们主要关注两个方面：（i）从高频数据中推导出价格分布，以及（ii）逆问题，获得仅知道每日波动率的高频数据所反映的市场微观结构信息。我们应用形式主义的金融数据表明，CTRW提供了替代工具来处理金融市场的几个复杂的问题。
2006-11-14 physics.soc-ph q-fin.ST
Algorithmic Complexity in Real Financial Markets
利用热力学和统计物理学的工具，发展了一种新的方法来理解金融市场指数的复杂行为。基于Kolmogorov-Chaitin理论的物理复杂性被应用于从金融市场指数的实时序列建立的二进制序列。该研究基于纳斯达克和墨西哥IPC数据。当应用于崩溃前的系列区间和没有观察到金融动荡的区间时，会显示出这种量级的不同行为。我们的结果和有效市场假说之间的联系进行了讨论。
2001-04-24 cond-mat.dis-nn cond-mat.stat-mech q-fin.ST
Theory of earthquakes interevent times applied to financial markets
我们分析的概率密度函数（PDF）的等待时间之间的金融损失的发生。经验概率密度函数用具有长幂律记忆核的自激Hawkes条件泊松过程拟合。霍克斯过程是泊松过程的最简单的扩展，它考虑了过去事件如何影响未来事件的发生。通过分析15种不同金融资产的经验数据，我们表明，用于地震的Hawkes过程的形式主义可以成功地模拟连续市场损失之间的间隔时间的PDF。
2016-10-28 physics.soc-ph q-fin.ST
Aftershock prediction for high-frequency financial markets' dynamics
重大金融危机后余震的发生体现了金融市场的临界动态响应。余震给市场带来了额外的压力，可以想象会产生戏剧性的后果。这种现象已被证明是常见的大多数金融资产，无论是在高频率和低频率。它现在的描述依赖于大森在1800年底提出的地震的经验表征。我们指出，在这种现象学方法的预测能力有限，并提出了一个随机模型，基于金融资产的标度对称性，这是潜在的能够预测余震发生，主震震级。与标准普尔高频数据的比较证实了这种预测潜力。
2012-07-13 cond-mat.stat-mech q-fin.ST
Large-volatility dynamics in financial markets
本文基于中国指数和德国DAX指数的分时和日数据，研究了金融市场的大波动动态。大波动前后的动力学弛豫均服从幂律，其指数$p_\pm$通常随大波动的强度而变化。大波动率动态在分钟时间尺度上是时间反转对称的，而在日时间尺度上是非对称的。分析表明，时间反演的不对称性主要是由外生事件引起的。也正是这些外生事件使得金融动态系统处于非平稳状态。揭示了中德两国股票市场的不同特征。
2011-03-25 physics.soc-ph q-fin.ST
The consentaneous model of the financial markets exhibiting spurious nature of long-range memory
人们普遍认为，金融时间序列的波动具有很强的持续性。观察到的持久性或长距离记忆的起源仍然是一个悬而未决的问题，因为观察到的现象可能是一个虚假的影响。在前面的研究中，我们提出了基于非线性随机微分方程的金融市场一致模型。一致性模型成功地再现了波动率的经验概率和功率谱密度。这种方法与使用分数布朗运动建立的模型有质的不同。在这篇文章中，我们研究了突发和突发间的持续时间统计波动的金融市场采用consentaneous模型。我们的分析提供了一个证据，实证统计特性的突发和突发之间的持续时间可以解释的非线性随机微分方程驱动的波动在金融市场。这是一个强有力的论据，证明金融中的长期记忆可能具有虚假的性质。
2018-02-23 physics.soc-ph q-fin.ST
Shannon entropy to quantify complexity in the financial market
该研究利用利马证券交易所多只股票价格序列重构市场动态，并通过数值模拟与 Shannon 熵计算来量化秘鲁金融市场信息流动的复杂性。
2023-07-05 cond-mat.stat-mech q-fin.ST
Opinion Dynamics in Financial Markets via Random Networks
我们研究了金融市场动态引入异构基于代理的意见形成模型。在这项工作中，我们组织的个人在金融市场的交易策略，即噪音交易者和基本面。局部多数人的意见迫使噪声交易者的市场交易行为，而市场的整体行为影响原教旨主义代理人的决策。我们引入了一个噪声参数$q$来表示市场行为的焦虑程度和感知的不确定性，从而有可能出现随波逐流的金融行动。我们将个体作为节点放置在Erdös-Rényi随机图中，其中链接代表他们的社会互动。在给定的时间，他们假设两种可能的意见状态之一$\pm 1$关于购买或出售资产。该模型表现出基本的定性和定量的现实世界的市场特征，如分布的对数收益率的厚尾，聚集波动，长期相关性的回报。我们使用学生的t分布来拟合对数回报的直方图，显示了从尖峰到中峰制度的逐渐转变，这取决于原教旨主义代理人的比例。我们还比较了我们的结果与几个现实世界的金融指数的对数收益率的分布。
2022-01-14 cond-mat.stat-mech q-fin.ST
Financial Market Trend Forecasting and Performance Analysis Using LSTM
金融市场趋势预测方法是当今金融市场研究的热点。目前仍然存在许多挑战，并且已经积极地进行了与之相关的各种研究。特别是近年来，基于神经网络的金融市场趋势预测的研究引起了人们的广泛关注。然而，以往的研究并未涉及在时间序列数据中表现良好的基于LSTM的金融市场预测方法。基于神经网络的预测技术和传统预测技术的性能也缺乏比较分析。本文提出了一种基于LSTM的金融市场趋势预测方法，并通过实验分析了其与现有金融市场趋势预测方法的性能。该方法通过数据预处理过程准备输入数据集，从而反映金融数据分析中使用的所有基本面数据、技术数据和定性数据，并通过LSTM进行全面的金融市场分析。本文对现有的金融市场趋势预测模型的性能进行了实验和比较，并根据金融市场的环境进行了性能分析。此外，我们使用开源和平台实现了所提出的方法，并使用各种金融数据指标预测金融市场趋势。
2020-03-31 cs.LG q-fin.ST
Phase separation and scaling in correlation structures of financial markets
金融市场作为复杂系统的典型代表，不同资产的价格收益之间存在着丰富的相关结构。相关性结构会发生剧烈变化，类似于物理现象中的相变，就像有影响力的股票（领导者）和行业（社区）一样，在崩溃等市场事件中。至关重要的是，要发现它们的特征，以便及时干预或预防。在这里，我们使用特征值分解和特征熵，计算不同的股票在交叉相关矩阵的特征中心，以提取信息的混乱在市场上。我们构建了一个“相空间”，在这里不同的市场事件（泡沫，崩溃等）经历相分离并显示有序-无序转变。熵泛函具有标度行为。我们提出了一个通用指标，以促进对市场内部结构的持续监测-这对管理风险和对金融体系进行压力测试很重要。我们的方法将有助于理解和预测复杂系统中的临界点或波动模式。
2020-07-22 cond-mat.stat-mech q-fin.ST
Aging in Financial Market
我们分析了意大利和美国股票市场期货的数据，并通过更新老化实验来检验连续时间随机游走假设对收益率时间序列生存概率的有效性。我们还研究了返回符号的生存概率，并应用粗粒化过程来揭示其动态过程的更新方面。
2006-06-06 physics.soc-ph q-fin.ST
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
Liquid markets and market liquids: collective and single-asset dynamics in financial markets
我们描述了流动性市场的集体现象。通过解释一个无套利N资产市场的行为在粒子系统的情况下，（热）动力学性质可以从资产动力学提取。在这个方案中，粒子相互作用的机制可以得到广泛的研究。我们用20年的股票市场每日数据（DAX30）测试了我们构建的真实性，并显示了资产对之间相互作用势的结果。
2001-01-10 cond-mat.dis-nn cond-mat.stat-mech q-fin.ST
Algorithmic Complexity of Real Financial Markets
利用热力学和统计物理学的工具，发展了一种新的方法来理解金融市场指数的复杂行为。物理复杂性，一个植根于Kolmogorov-Chaitin理论的幅度被应用于从金融市场指数的实时序列建立的二进制序列。该研究基于纳斯达克和墨西哥IPC数据。当应用于崩溃前的系列区间和没有观察到金融动荡的区间时，会显示出这种量级的不同行为。我们的结果和有效市场假说之间的联系进行了讨论。
2000-05-25 cond-mat.dis-nn cond-mat.stat-mech nlin.AO
Stability and Hierarchy of Quasi-Stationary States: Financial Markets as an Example
我们结合几何数据分析和随机建模来描述复杂系统的集体动力学。作为一个例子，我们将这种方法应用到金融数据，并专注于市场相关结构的非平稳性。我们确定的主导变量，并提取其显式随机模型。这使我们能够在其时间演变与市场上已知的历史事件之间建立联系。我们讨论了最近提出的准平稳市场状态的动力学，稳定性和层次。
2015-03-02 cond-mat.stat-mech physics.data-an q-fin.ST
Correlation of financial markets in times of crisis
利用世界上主要金融市场指数的相关矩阵的特征值和特征向量，我们证明了市场的高波动性与它们之间的强相关性直接相关。这意味着市场在大崩盘时往往表现得像一个整体。为了做到这一点，我们调查了1987年（黑色星期一），1989年（俄罗斯危机），2001年（互联网泡沫破裂和9月11日）和2008年（次贷危机）发生的几次金融市场危机，这些危机标志着过去三十年来金融市场最大的衰退。
2011-03-10 q-fin.ST
Double Power Law Decay of the Persistence in Financial Markets
持续性现象的研究在日本金融市场通过使用一种新的映射的时间演变的日经指数的股票报价到伊辛自旋。该方法适用于历史结束日的数据，从日本股票市场在2002年。通过研究自旋的时间依赖性，我们发现了明确的证据，一个双幂律衰减的份额的比例，保持高于或低于“开始\rq \随机选择的值。这一结果与最近对伦敦富时100指数市场数据的分析一致。幂律的斜率也是一致的。我们估计日本金融市场的长期持续指数为0.5。
2008-03-04 physics.data-an physics.soc-ph q-fin.ST
Multiscale behaviour of volatility autocorrelations in a financial market
我们对纽约证券交易所的每日回报进行了缩放分析。我们表明，波动率相关性在一天到一年的时间范围内呈幂律关系，更重要的是，它们表现出多尺度行为。
1998-10-19 cond-mat.dis-nn cond-mat.stat-mech q-fin.ST
Predicting Financial Markets: Comparing Survey, News, Twitter and Search Engine Data
基于在线情绪跟踪的金融市场预测最近引起了很多关注。然而，这个新兴领域的大多数结果都依赖于数据集和情感跟踪工具的独特组合。这使得很难将测量和工具效应与实际参与在线情绪和市场价值之间明显关系的因素区分开来。在本文中，我们调查了一系列在线数据集，（Twitter提要、新闻标题和Google搜索查询量）和情绪跟踪方法（Twitter投资者情绪、负面新闻情绪和Twitter &谷歌搜索量的金融术语），并比较它们对市场指数（如道琼斯工业平均指数、交易量和市场波动率（VIX））的财务预测价值，以及黄金价格。我们还比较了传统投资者情绪调查数据（即投资者情报和每日情绪指数）与上述在线情绪指标的预测能力。我们的研究结果表明，传统的投资者情报调查是金融市场的滞后指标。然而，每周的Google Insight搜索量对金融搜索查询确实具有预测价值。Twitter投资者情绪的指标和前1-2天在Twitter上出现金融术语的频率也被发现是每日市场日志回报的统计显著预测因素。然而，一旦我们控制了所有其他情绪指标以及波动率指数，我们发现调查情绪指标并不是金融市场价值的统计学显著预测因素。
2011-12-05 cs.CE physics.soc-ph q-fin.ST
A Comparison between Financial and Gambling Markets
School of Mathematics and Statistics, University of St Andrews（圣安德鲁斯大学数学与统计学院）
本文比较了金融市场与赌博市场，探讨了交易平台、产品、流程、参与者和策略等方面的异同，发现两者存在诸多相似之处，并指出金融市场的策略可应用于赌博市场，如统计套利在对冲平台上被有效使用。
2026-05-12 q-fin.ST
A K-means Algorithm for Financial Market Risk Forecasting
Southern Methodist University（南卫理公会大学）
本研究采用K-means算法构建金融市场风险预测系统，有效解决了现有预测错误率高、精度低的问题，实验达到94.61%的准确率，提升了预测的准确性与效率。
2024-05-21 cs.LG q-fin.ST
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
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
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
Note on two phase phenomena in financial markets
金融市场中的两相行为实际上是一种分叉现象，表现为条件概率从单峰分布到双峰分布的变化。本文研究了恒生指数的分岔现象。研究发现，金融指标的分叉现象并不是普遍存在的，而是在一定条件下的特殊现象。当绝对生长量分布的幂律指数在1 ~ 2之间且有适当的周期时，这一现象才出现。对随机生成的时间序列的模拟表明，分叉现象本身服从于绝对增量的统计，因此它可能无法反映本质的金融行为。但是，即使在绝对增量的分布相同的情况下，分叉现象发生的范围，从真实市场到人工数据，都有很大的不同，这可能反映了一定的市场信息。
2007-12-30 physics.data-an physics.soc-ph 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
Complex Systems: From Nuclear Physics to Financial Markets
我们比较了原子核和金融市场的相关性和相干结构。在核物理部分，我们回顾了巨共振，它可以被解释为嵌入混沌的相干结构。用类似的方法，我们研究了DAX和道琼斯指数的金融经验相关矩阵。我们将证明，如果时区延迟被适当地考虑，这两个不同的市场在很大程度上合并为一个。这是反映了最大的特征值，发展相对于其余的差距，混沌特征值。通过对金融总体特性的扩展研究，我们还讨论了金融对数周期的临界相似现象，并给出了具体的例子。
2009-10-22 q-fin.ST
Fractal Markets Hypothesis and the Global Financial Crisis: Scaling, Investment Horizons and Liquidity
我们研究了分形市场假说及其对流动性和投资视野的关注是否对21世纪末全球金融危机等金融危机期间的金融市场动态做出了合理的预测。与主流的有效市场假说相比，分形市场假说认为金融市场是由多个异质主体组成的复杂系统，这些异质主体的区别主要体现在它们的投资期限上。本文通过标度交易过程的方差，引入了几种新的度量不同投资期限下交易活动的方法。在三个最具流动性的美国指数-大疆，纳斯达克和标准普尔500-我们表明，分形市场假说的预测实际上符合观察到的行为相当好。
2012-03-22 q-fin.GN q-fin.ST
The Local Fractal Properties of the Financial Time Series on the Polish Stock Exchange Market
我们研究的基础上的华沙证券交易所指数（WIG）的演变与最大的发展中金融市场在欧洲的金融时间序列的局部分形性质。计算WIG时间序列的局部赫斯特指数，我们发现WIG时间序列的局部分形特性的行为和金融市场上的崩溃外观之间的一个有趣的依赖关系。
2007-08-02 cs.CE physics.data-an q-fin.ST
Eroding market stability by proliferation of financial instruments
我们对比套利定价理论（APT），金融工具的发展的理论基础，与一个相互作用的市场的动态图片，在一个简单的设置。金融工具的扩散显然为分散风险提供了更多的手段，使市场更加有效和完整。在这里讨论的交易者相互作用的简单市场中，金融工具的扩散侵蚀了系统稳定性，并将市场推向一个临界状态，其特征是敏感性大，波动剧烈，风险之间的相关性增强。这表明APT的假设可能与稳定的市场动态不相容。从这个角度来看，市场稳定具有共同利益的性质，这表明应在衍生品市场中采取适当措施，以保持稳定。
2009-10-01 q-fin.GN q-fin.ST q-fin.TR
Multiple Time Series Ising Model for Financial Market Simulations
本文提出了一个模拟多个金融时间序列的伊辛模型。我们的模型引入了耦合到其他系统的自旋的相互作用。从我们的模型的模拟表明，时间序列表现出波动率聚集，经常观察到在现实的金融市场。此外，我们还发现，从我们的模型的波动率之间的非零交叉相关。因此，我们的模型可以模拟股票市场的股票波动是相互关联的。
2016-11-24 q-fin.CP q-fin.ST
Cluster formation and evolution in networks of financial market indices
利用全球金融危机之前和期间世界证券交易所指数的数据，为不同的阈值和不同的时间段建立指数集群和网络，从而可以分析集群是如何根据指数之间的相关性形成的，以及它们如何随时间演变，特别是在金融危机期间。进一步分析了对应于相关矩阵次高特征值的特征向量，揭示了运行在不同时区的市场所特有的结构。
2011-11-22 q-fin.ST
Herd behavior and aggregate fluctuations in financial markets
我们提出了一个简单的股票市场模型，在该模型中，代理之间的随机通信结构以指数截断幂律的形式在股票价格变化的分布中产生重尾，类似于最近高频市场数据的实证研究中观察到的分布。我们的模型提供了两个著名的市场现象之间的联系：一方面在股票市场收益率分布中观察到的重尾，另一方面在金融市场中的“羊群效应”。特别是，我们的研究表明，在资产收益率，市场秩序流和市场参与者的相互模仿的趋势观察到的超额峰度之间的关系。
1998-01-06 adap-org cond-mat.dis-nn cond-mat.stat-mech
Spiraling toward market completeness and financial instability
我研究了一个大型随机经济的极限，在这个经济中，一组消费者投资于银行设计的金融工具，以优化他们未来的消费。这一实践表明，即使在完全竞争的理想情况下，所有市场参与者都可以获得充分的信息，随着市场接近完全性和交易成本消失，均衡也会对市场不完善产生明显的脆弱性（或敏感性）。交易成本的减少是因为金融机构利用交易工具来对冲其他工具。这就需要银行间市场的交易量在完全市场的极限上出现分歧。这些结果表明，金融工具的扩散加剧了市场不完善的影响，呼吁市场作为相互作用的系统的理论。从另一个角度来看，为了防止不利影响的升级，市场可能需要随着其复杂性的扩大而越来越引人注目的体制结构。
2009-06-08 q-fin.GN q-fin.PR q-fin.ST
A statistical physics perspective on criticality in financial markets
股票市场是一个复杂的系统，表现出集体现象和特定的特征，如同步性，波动分布的幂律，非随机结构和神经网络的相似性。这些特殊的性质表明，市场在一个非常特殊的点上运行。金融市场被认为是至关重要的类比物理系统，但很少有统计基础的证据已经给出。通过一个基于数据的方法和模拟的启发，复杂系统的统计物理学比较，我们表明，道琼斯指数集并不严格的关键。然而，金融系统更接近崩溃附近的临界点。
2014-01-27 physics.data-an q-fin.ST
International Financial Markets Through 150 Years: Evaluating Stylized Facts
本文通过检验150年间亚洲、欧洲大陆、美国及两种主要加密货币的数据，评估了十一个金融市场典型化事实的稳健性与可推广性。
2025-04-11 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
Learning Undirected Graphs in Financial Markets
我们从金融市场数据的角度研究了拉普拉斯结构约束下无向图模型的学习问题。我们发现，拉普拉斯约束有意义的物理解释相关的市场指数因子和股票之间的条件相关性。这些解释导致了一套准则，用户在估计金融市场中的图形时应该知道。此外，我们还提出了学习无向图的算法，这些无向图可以解释金融数据固有的程式化事实和任务，如非平稳性和股票聚类。
2020-11-09 q-fin.CP q-fin.ST stat.ML
Memory effect and multifractality of cross-correlations in financial markets
引入平均瞬时互相关函数来量化特定时刻金融市场之间的相互作用。基于美国和中国股票市场的日数据，研究了不同价格收益时间区间内平均瞬时互相关的记忆效应。揭示了长期的时间相关性，并发现持续到一个月的数量级的价格回报时间间隔。多重分形的性质进行了研究的多重分形去趋势波动分析。
2010-04-30 q-fin.ST
Survivability and centrality measures for networks of financial market indices
利用全球92个证券交易所指数的数据，使用基于距离阈值的资产图分析了2007年至2010年（包括2008年次贷危机）集群的形成和演变。我还研究了连接和集群的生存能力，通过时间和噪声的影响，集中性措施适用于网络的金融指数。
2012-01-21 q-fin.ST
Trends, Volatility, Correlations, and Critical Phenomena in Financial Markets
Zurich University of Applied Sciences, School of Engineering（苏黎世应用科学大学工程学院）
基于当前市场趋势预测未来波动率和相关性，发现趋势强度与波动率、相关性呈二次关系，改进风险预测并支持临界点晶格气体模型。
2026-06-19 cond-mat.stat-mech physics.data-an q-fin.MF
GARCH(1,1) model of the financial market with the Minkowski metric
在价格与时间不可分离的假设下，利用Gestival（1，1）的Minkowski度量，解决了一个关于波动集群现象的长记忆过程的程式化事实.作为广义相对论证明的结果，我们给出了金融市场中的Yang-Mills方程和时间序列数据超空间上的反常。我们将Minkowski时空中的一个独创性思想嵌入到Kolmogorov空间中的时间序列数据中，其结果等价于市场崩溃时金融市场恐慌中交易者行为的相互作用所诱发的暗波动或隐藏的风险恐惧场。
2018-08-01 q-fin.ST
A long-range memory stochastic model of the return in financial markets
本文提出了一个非线性随机微分方程，它模拟了金融市场收益率的概率密度函数和绝对收益率的功率谱。绝对收益率作为市场波动性的一种度量，在所提出的模型中被认为是一个长期记忆随机变量。该模型是通过类比先前提出的金融市场交易活动模型而得到的，并在非广延统计力学框架内推广。所提出的随机模型生成具有两个幂律统计量的收益的时间序列，即，PDF和功率谱密度，再现了纽约证券交易所一分钟交易回报的经验数据。
2009-10-05 q-fin.ST
Multiplicative random cascades with additional stochastic process in financial markets
乘性随机级联模型自然地再现了湍流和金融市场等层次复杂系统中常见的多重分形现象。如本文所述，我们通过使用金融数据的实证研究来调查乘法分层随机级联模型的有效性。虽然时间序列的多重分形性和不确定性得到了验证，但连接连续层次的随机乘法因子表现出强烈的负相关性。我们扩展乘法模型，将一个额外的随机项。结果表明，所提出的模型是一致的所有经验结果在这里提出。
2018-09-04 q-fin.ST
Lower spectrum of financial correlation matrices: a new perspective on market synchronization
University of Milano-Bicocca（米兰比可卡大学）
该研究提出从金融相关矩阵的下谱视角分析市场同步性，补充了主成分分析和随机矩阵理论的经典框架，通过真实数据实验验证了最小特征值含市场有效结构信息的方法论有效性。
2026-08-11 q-fin.MF q-fin.ST
Simulations of financial markets in a Potts-like model
在Potts模型的基础上提出了一个三态模型来模拟金融市场。这三种状态被分配为“买入”、“卖出”和“不活跃”状态。该模型显示了金融市场中观察到的主要程式化事实：收益率的厚尾分布和绝对收益率的长期相关性。在低的不活动率，该模型有效地减少到两个状态模型的Bornholdt和显示类似的结果Bornholdt模型。随着不活跃性的增加，我们观察到收益率的指数分布。
2005-03-07 cond-mat.other 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
Fractal Markets Hypothesis and the Global Financial Crisis: Wavelet Power Evidence
我们分析了分形市场假说关于在动荡时期特定投资期限占主导地位的预测是否成立。为此，我们利用连续小波变换分析，并获得小波功率谱，提供跨尺度的方差分布及其随时间的演变的关键信息。我们发现，全球金融危机最动荡的时期，可以很好地描述为主导的短期投资期限，这是在手与分形市场假说的主张。
2013-10-05 q-fin.ST
Modelling financial markets by the multiplicative sequence of trades
本文介绍了金融市场交易活动的随机乘性点过程模型。这样的模型系统表现出幂律谱密度S（f）~1/f ** beta，对于0.5和2之间的各种beta值，其被缩放为频率的幂。此外，我们还分析了幂律自相关函数与交易活动幂律概率分布的来源之间的关系。该模型再现了交易活动的频谱特性，并解释了真实市场中幂律分布的机制。
2004-12-28 cond-mat.stat-mech cs.CE math.SP
