Mapping markets to the statistical mechanics: the derivatives act against the self-regulation of stock market
David B. Saakian
将经济映射到一些统计物理模型，我们得到了强有力的迹象表明，与纯粹的股票市场相反，衍生品的股票市场不能自我调节。
Mapping the economy to the some statistical physics models we get strong indications that, in contrary to the pure stock market, the stock market with derivatives could not self-regulate.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Decoding Stock Market Behavior with the Topological Quantum Computer
如果所有道琼斯工业平均指数股票成分的价格时间序列同时在一个图表中表示，就会出现股票市场令人惊讶的图像。该图表演变成一个辫子表示股票市场只考虑交叉的股票和固定的公约，定义上交叉和下交叉。股票价格的编织与拓扑量子计算机有着显著的联系。拓扑量子计算机利用准粒子对（称为非阿贝尔任意子），将它们的轨迹在时间上编织起来，可以有效地模拟股票编织中编码的股票市场行为。在一个典型的拓扑量子计算过程中，非阿贝尔任意子的轨迹被操纵根据股票的编织和结果反映了股票市场的未来状态的概率。该概率仅取决于量子计算平台闭合时所形成的结的琼斯多项式。在拓扑量子计算中，打结股票市场的琼斯多项式与普通金融文献平行，作为股票市场交易中的经典技术指标的对应物。股票市场形成的结的类型是其未来趋势的指标。
Stock Market Prediction via Deep Learning Techniques: A Survey
现有的关于股票市场预测的调查往往集中在传统的机器学习方法上，而不是深度学习方法。这促使我们对股票市场预测的研究提供一个结构化和全面的概述。我们提出了股票市场预测的四个详细子任务，并提出了一种新的分类法来总结基于深度神经网络的最新模型。此外，我们还对股票市场常用的数据集和评估指标进行了详细的统计。最后，我们通过分享股票市场预测的一些新观点，指出了几个未来的发展方向。
Non - Randomness Stock Market Price Model
提出了一种新的股票市场价格分析模型。建议将价格视为有界变化的时间的处处不连续函数。
How does economic policy uncertainty comove with stock markets: New evidence from symmetric thermal optimal path method
本文利用对称热最优路径（TOPS）方法重新考察了国内经济政策不确定性与股票市场之间的动态关系。我们在新兴市场和发达市场观察到不同的互动模式。经济政策的不确定性推动了中国的股票市场，而股票市场在英国和美国发挥着主导作用。同时，三国的超前滞后关系对极端事件的反应显著。我们的研究结果对投资者和政策制定者具有重要意义。
Non - Randomness Stock Market Price Model (Amended)
提出了一种新的股票市场价格分析模型。建议将价格视为有界变化的时间的处处不连续函数。
Structural Breaks in the Mexico's Integration into the World Stock Market
本文研究了墨西哥股票市场融入世界市场的演变。首先，我们估计随时间变化的墨西哥市场一体化程度使用的国际条件版本的CAPM与分割效应。其次，我们研究了这一系列的结构突变。最后，我们将所得结果与重要事实和经济事件联系起来
Regularities in stock markets
本文以六个GDP较高的国家的股票市场为研究对象，选取了美国纽约证券交易所的标准普尔500指数、中国上海证券交易所的上证综合指数、日本东京证券交易所的日经指数、德国法兰克福证券交易所的DAX指数、英国伦敦证券交易所的富时100指数和印度纽交所的NIFTY指数。股票价值的日平均增长是指数增长。日价格波动关于平均增长率是高斯分布的，但具有非零的渐近收敛性。股票价值的月平均增长在统计上与它们的日增长自相似。价格的月度波动遵循维纳过程，波动率下降。日交易量的平均增长是指数级的。这些观察结果适用于全球，并强调了全球股票市场的波动。
Short Term Stress of Covid-19 On World Major Stock Indices
这项研究的主要目的是检查COVID-19对美国、欧洲、亚洲和太平洋股市指数的短期压力，以及疫情期间所有股票市场之间的相关性。来自32个国家的41家证券交易所的二级数据已于2019年7月1日至2020年5月14日从investing.com网站收集股票市场的数据，COVID-19数据已根据该国报告的首例病例收集，股票市场分为发达或新兴经济体，并根据次大陆（即美洲、欧洲和太平洋/亚洲）进一步划分，数据的主要焦点是首例COVID-19病例的报告。研究结果表明，我国41个股票市场均存在波动性（美国、欧洲、亚洲和太平洋）的第一个病例报告后，波动性随着COVID-19病例的增加而增加，而且COVID-19病例数量与美国、欧洲、亚洲和太平洋的41个主要股票指数之间存在显著的负相关关系，欧洲次大陆市场受COVID-19的影响比其他次大陆更大，由于聪明的资本投资，COVID-19对除美国股票市场外的所有股票市场都有聚集效应。
Fat Tails in Financial Return Distributions Revisited: Evidence from the Korean Stock Market
本研究以韩国股票市场为研究对象，运用统计学方法，实证检验股票收益率分布中的厚尾现象。收益率分布的尾部在最近的时期比过去的时期要厚得多，小盘股比大盘股要厚得多。在控制了1997年的韩国外汇危机，并使用Gestival滤波器模型来控制波动率聚集的回报，厚尾分布的残差被发现持续存在。我们发现，市场崩溃和波动率聚集可能不足以解释存在的厚尾收益率分布。这些研究结果是强大的，无论时期或类型的股票组。
Sectoral co-movements in the Indian stock market: A mesoscopic network analysis
在这篇文章中，我们回顾了从股票市场数据中提取信息的几种技术。我们讨论了时间序列的递归分析，总相关矩阵的分解，以研究金融数据，股票水平与市场指数的偏相关性，多维标度和最小生成树的共同运动。我们将这些技术应用于印度股票市场的日收益率时间序列。分析使我们能够构建网络的基础上相关矩阵的个股，另一方面，我们讨论了市场指数的动态。因此，可以使用这些工具分析微观和宏观层面的动态。本文利用多维尺度方法对股票市场的板块结构进行可视化，并分析板块股票之间的联动性。最后，我们构建了一个基于部门指数的中观网络。最小生成树技术被认为是非常有用的，以分离技术相关部门和映射对应的实际生产关系在合理的程度。
Control of Emerging-Market Target, Abnormal Stock Return: Evidence in Vietnam
随着全球外国直接投资和新兴经济体和亚洲新兴经济体的外国直接投资的上升趋势，从1995年到2015年，对越南的外国直接投资，特别是并购交易的数量和价值都显着增加。
The impact of COVID-19 on the stock market crash risk in China
本研究调查COVID-19大流行对中国股票市场崩盘风险的影响。为此，我们首先估计了条件偏度GARCH-S模型的收益率分布作为上海证券交易所股票市场崩溃风险的代理。然后，我们使用百度指数的数据构建了一个新冠肺炎恐惧指数。根据研究结果，条件偏度对确诊病例总数的日增长呈负向反应，表明大流行增加了股票市场崩盘风险。此外，恐惧情绪加剧了此类风险，尤其是在COVID-19的影响方面。换句话说，当恐惧情绪高涨时，股票市场崩盘风险受疫情影响更强烈。我们的证据对于每日死亡人数和全球病例数是强有力的。
An operatorial approach to stock markets
我们提出并讨论了一些玩具模型的股票市场使用相同的操作方法采用量子力学。我们的模型是由在真实市场中交易的股票数量和现金数量的离散性，以及守恒量的存在性（如股票总数或现金和股票的线性组合）提出的。采用了与描述相互作用玻色子气体相同的框架。
The effect of stock market indexing on corporate tax avoidance
罗素1000和2000指数的成员资格是基于5月份的市价总值排名。每个指数都是单独的价值加权，这样罗素2000指数内的公司在规模上与罗素1000指数外的公司（即罗素1000指数的底部）相当，但指数权重要高得多。这些功能允许这些指数的年度重组被用作回归不连续设计的一部分，以确定股票市场指数化的影响。运用这一设计，我研究了股票市场指数化是否会影响企业避税。我没有发现任何证据表明，罗素2000指数内的公司与罗素2000指数外的公司有显著不同的有效税率。
A quantum statistical approach to simplified stock markets
我们使用标准的微扰技术，最初制定在量子（统计）力学的分析玩具模型的股票市场，这是在玻色子运营商。特别是，我们讨论的概率从一个给定的值的{ \em投资组合}的某个交易者到一个不同的。该计算也可以使用适合于当前上下文的某种{ \em Feynman图}来执行。
On the probability flow in the Stock market I: The Black-Scholes case
众所周知，概率在股票市场中不是守恒量，因为它对应于一个开放系统。本文通过将理想的Black-Scholes方程表示为Hamilton形式，分析了该系统的概率流。然后，我们分析了概率的不守恒性如何影响股票价格的稳定性。最后，我们发现的条件下，概率可能会保存在市场上，以这种方式的非厄米性质的布莱克-斯科尔斯哈密顿的挑战。
Evolutionary Model of Stock Markets
本文提出了一个股票价格演化的演化经济模型。将股票市场视为一个由快速购买过程和缓慢变化的需求和供给所支配的自组织系统，该模型表明，短期价格分布具有逻辑斯蒂（拉普拉斯）分布的形式。长期收益率可以用拉普拉斯-高斯混合分布来描述。长期平均价格的演变是由海象方程，它可以转化为一个复制方程。这允许量化股票之间的进化价格竞争。该理论表明，股票价格按所有股票的价格进行缩放，可以用来研究费雪-普雷图中的长期趋势。从模型的价格竞争，说明了通过检查两个股票的经验长期价格趋势。
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。
Quantum spatial-periodic harmonic model for daily price-limited stock markets
利用量子空间周期调和模型研究了每日限价股票市场中股票的行为。假设股票价格在量子空间周期谐振子势阱中振荡和阻尼。通过考虑模型的能带结构，得到了波动率与交易量之间复杂的非线性关系，包括带内正相关和带间负相关。在此基础上，我们利用量子模型对限价股票市场（上海证券交易所）的异常现象进行了研究。
Predictable markets? A news-driven model of the stock market
本文试图从市场价格、投资者意见和信息流三个变量之间的相互作用来解释股票市场的动态性。我们提出了一个框架，这种相互作用，并应用它来建立一个模型的股票市场的动态，我们研究的经验和理论。我们证明，这个模型复制观察到的市场行为的所有相关的时间尺度（从天到年）相当不错。使用该模型，我们获得并讨论了许多对当前市场理论具有影响并提供潜在实际应用的结果。
Quantum Brownian motion model for the stock market
今天大多数人认为，有效市场假说是不完善的，因为市场的非理性。利用量子力学的物理概念和数学结构，构建了股票市场的经济物理学框架，在此基础上，我们将大量的个股映射到一个由多个量子谐振子组成的水库中，将其股票指数映射到一个典型的量子开放系统--量子布朗粒子中.特别地，股票交易的非理性被定量地认为是量子力学海森堡测不准关系中的普朗克常数。利用量子布朗运动模型，分析了中国上海证券交易所的股票数据，研究了股票指数的厚尾现象和非马尔可夫行为，从量子开放系统动力学的新视角解释和研究了经典布朗运动模型对有效市场假说的局限性。
Global Stock Market Prediction Based on Stock Chart Images Using Deep Q-Network
我们将深度Q网络与卷积神经网络函数逼近器结合使用，该函数逼近器将股票图表图像作为输入，用于进行全球股票市场预测。我们的模型不仅在训练它的国家的股票市场中产生利润，而且在全球股票市场中普遍产生利润。我们只在美国市场训练了我们的模型，并在31个不同的国家进行了12年的测试。在31个国家中，基于我们模型的输出构建的投资组合在扣除交易成本之前，每笔交易的回报率通常为0.1%至1.0%。结果表明，股票图表图像上存在一些模式，它们倾向于预测全球股票市场未来相同的股票价格走势。此外，结果表明，未来的股票价格可以预测，即使在不同的国家进行的训练和测试程序。培训程序可以在相对大和流动性强的市场进行（例如，美国）并在小市场进行了测试。这一结果表明，基于人工智能的股票价格预测模型可以用于相对较小的市场（新兴国家），即使它们没有足够的数据进行训练。
Granger Causality Stock Market Networks: Temporal Proximity and Preferential Attachment
利用2006年1月2日至2013年12月31日20个发达市场的日收盘价构建Granger因果网络，检验了收益溢出的结构。数据经过适当调整，以考虑非同步交易效应。对超过94个子样本的网络进行的研究揭示了三个重要的发现。第一，在最近的金融危机之后，美国股票市场的影响已经下降。其次，空间概率模型证实了市场收盘时间之间的时间接近的回报溢出的作用，即国家股票市场之间的时间距离。第三，股票市场之间存在偏好连接，即如果A）市场j影响i以外的其他市场，或者B）市场i受到j以外的其他市场的影响，则更有可能从市场j向市场i溢出。
On the limits of informationally efficient stock markets: New insights from a chartist-fundamentalist model
本文构建图表派—基本面派模型，揭示股票市场可在持续错误定价与围绕基本面价值振荡两种机制间共存，并受初始条件和外生冲击驱动。
Low-Frequency Waves and the Medium to Long-Term US Stock Market Outlook
在本文中，我们提供了令人信服的证据，周期性均值回归和多期股票收益率的可预测性超过地平线约30年，半衰期约为15年。这意味着美国股票市场遵循一个长期的节奏，即高于平均回报率的时期之后往往是低于平均回报率的时期。我们证明，这种长期股票市场节奏与美国相应的长期经济，社会和政治节奏同步。假设这些节奏之间的关系在未来保持不变，我们提供了中长期股票市场前景。
Inside the Mind of a Stock Market Crash
我们分析了在2020年2月至3月因COVID-19大流行引发的股市暴跌期间，以及随后股市部分复苏期间，投资者对经济增长和股票回报的预期如何变化。我们在三个时间点对Vanguard的散户投资者进行了调查：（i）2月11日至12日，股市历史高点附近，（ii）3月11日至12日，股市暴跌超过20%之后，以及（iii）4月16日至17日，市场从最低点反弹25%之后。崩盘后，普通投资者对股市和实体经济的短期表现更加悲观。投资者还认为，股市进一步极端下跌和短期实体经济活动大幅下滑的可能性更高。相比之下，投资者对长期（10年）经济和股市结果的预期基本保持不变，甚至有所改善。股市崩盘后，投资者对经济和股市结果的分歧也大幅增加，这种分歧一直持续到市场部分复苏。那些在2月份最乐观的受访者看到了最大的预期下降，并出售了最多的股票。2月份最悲观的受访者在危机期间和之后基本上没有改变他们的投资组合。
Speculative bubbles and crashes in stock market: an interacting-agent model of speculative activity
我们提出了一个相互作用的代理模型的投机活动解释泡沫和崩溃的股票市场。我们通过一个无限范围的伊辛模型来描述股票市场，以表达交易者的投资态度受到其他交易者的影响的趋势。气泡和崩溃的理解和描述定性和定量的经典相变。利用实际金融数据（1987-1992年日本股市泡沫及随后的崩盘）对模型参数进行估计的结果表明，模型拟合质量良好，参数值具有较好的一致性。
Asymmetric connectedness of stocks: How does bad and good volatility spill over the U.S. stock market?
波动溢出的不对称性与金融市场的风险评估和投资组合多元化策略密切相关。然而，研究信息传导机制的大量文献忽略了这样一个事实，即坏的和好的波动性可能会以不同的幅度溢出。本文填补了这一空白与两个贡献。第一，我们建议如何量化波动溢出的不对称性，由于坏的和好的波动。第二，使用涵盖七个行业中大多数流动性强的美国股票的高频数据，我们提供了股票非对称连通性的充分证据。我们普遍拒绝对称连接的假设，但在非聚集水平，相反，我们记录的对称传输的信息在一个汇总的投资组合。我们发现，坏的和好的波动性是在不同的行业中以不同的幅度传递，并且随着时间的推移，不对称性会发生很大的变化。虽然负面的溢出效应往往是巨大的，但它们并不严格地主导正面的溢出效应。我们发现，在金融危机期间，随着股票市场参与者的不确定性增加，美国股票的整体市场内关联性大幅增加。
An Econophysics Model for the Stock-Markets' Analysis and Diagnosis
本文提出了一个描述资本市场股票交易的经济物理模型。为了介绍这个模型的基本原理，我们使用了电荷系统产生的电场与来自股票市场的股票交易的总体经济和金融信息之间的类比。提出并研究了金融市场中股票价格波动的能量分析方法。
Exploiting Investors Social Network for Stock Prediction in China's Market
最近的研究表明，社交媒体平台能够影响股价走势。然而，现有的作品主要集中在美国股市，缺乏对中国等散户投资者主导市场的新兴国家的关注。在这方面，由于散户投资者容易受到新闻或其他社交媒体的影响，从社交媒体平台提取的心理和行为特征被认为可以很好地预测中国市场的股价走势。中国投资者社交网络的最新进展使得能够从网络规模的数据中提取这些特征。本文以中国流行的投资者类Twitter社交平台“雪球”的推文为基础，分析了群体情绪和股票相关性感知的特征，并采用非线性模型对股票价格走势进行了预测。感兴趣的功能证明是有效的，在我们的实验。
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。
A finite-dimensional quantum model for the stock market
我们提出了一个有限维版本的量子模型的股票市场在[C。Zhang和L. Huang，A quantum model for the股票市场，Physica A 389（2010）5769].我们的方法是试图使这个模型与股票价格的离散性质相一致，并基于有限维希尔伯特空间量子系统的情况下使用的数学形式。收益率是一个离散变量对应的坐标在量子系统的情况下，和共轭变量的运营商描述的股票收益率的趋势是定义在有限傅立叶变换。均衡状态下的股票收益率由有限高斯函数描述，股票价格的时间演化与收益率直接相关，通过数值求解薛定谔方程得到。
The minimal length uncertainty and the quantum model for the stock market
我们推广了张和黄最近提出的股票市场的量子模型，使其与股票价格的离散性质相一致。在该形式中，股票价格及其趋势满足广义不确定性关系，相应的广义哈密顿量包含一个与趋势的四次方成正比的附加项。我们研究了一个受驱动的无限量子阱，其中信息作为外部场周期性地波动，并表明股票的最小交易价值的存在导致量子系统的特征频率的正移。最后讨论了信息频率与跃迁概率之间的关系。
Preventing crash in stock market: The role of economic policy uncertainty during COVID-19
本文考察了新冠肺炎疫情期间经济政策不确定性（EPU）对美国股票市场崩盘风险的影响。为此，我们使用GARCH-S（GARCH-S）模型来估计每日偏度作为股票市场崩盘风险的代理。实证结果表明，EPU与股票市场崩盘风险之间存在显著的负相关关系，说明EPU的加剧增加了崩盘风险。此外，在全球COVID-19爆发后，负相关性变得更强，这表明美国股票市场的崩溃风险将在疫情期间受到EPU的影响更大。
Adelic theory of stock market
提出了股票市场的p-adic理论。它表明，价格动态是非常自然的描述的adelic函数。从广义超相干态的微观模型出发，导出了阿德尔型泛函积分公式的推导过程。
A Study on the Efficiency of the Indian Stock Market
股票市场的效率对潜在的投资回报有着重大的影响。一个有效的市场消除了套利的可能性和未利用的利润机会。本文以印度两大证券交易所为例，分析了印度股票市场的弱式有效性，BSE和NSE。使用2010年4月至2019年3月期间Sensex和Nifty指数的每日收盘值进行自相关检验，自相关检验和自回归检验。该研究证实，印度股票市场是弱形式效率低下，因此可以优于。
Global Stock Market Volatility Forecasting Incorporating Dynamic Graphs and All Trading Days
本文提出一种结合动态图结构和所有交易日的全球股市波动率预测模型，采用时空图神经网络捕捉波动率溢出效应，在8个全球市场指数的实证中预测性能超越基线模型。
Herding boosts too-connected-to-fail risk in stock market of China
大众恐慌及其蔓延在股市崩盘时发挥了不可忽视的作用，特别是对于缺乏经验的投资者主导市场的中国来说。然而，现有的模型很少考虑网络股票的投资者，因此错过了恐慌传染如何导致突然崩溃的确切知识。本文通过对共享基金股票的网络化，提出了一种研究市场崩溃的新方法。令人惊讶的是，羊群效应，起源于模仿寻求高度多样性的投资策略，以降低个人风险，将产生过于连接到失败的股票，并不情愿地提高整个市场的系统性风险。尽管关联度太高的股票在危机期间可能相对稳定，但它们的影响力如此之大，以至于一个小的向下波动会引发后续股票的大幅下跌，这意味着它们的下跌可能会因集体恐慌而意外放大，导致市场崩盘。我们的研究结果表明，投资组合策略的全貌必须仔细监督，以重塑股票网络。
Using Deep Learning Neural Networks and Candlestick Chart Representation to Predict Stock Market
股票市场预测仍然是一个具有挑战性的问题，因为影响股票市场价格的因素很多，如公司新闻和业绩、行业业绩、投资者情绪、社交媒体情绪和经济因素等。这项工作探讨了在股票市场使用深度卷积网络和蜡烛图的可预测性。的结果是用来设计一个决策支持框架，可用于交易者提供未来股票价格方向的建议指标。我们使用各种类型的神经网络来执行这项工作，如卷积神经网络，残差网络和视觉几何组网络。从股票市场的历史数据，我们将其转换为烛台图。最后，这些蜡烛图将作为训练卷积神经网络模型的输入。这个卷积神经网络模型将帮助我们分析蜡烛图内部的模式，并预测股票市场的未来走势。在股票市场预测中，我们的方法的有效性进行了评估，台湾和印尼股票市场数据集的预测准确率分别为92.2%和92.1%。构建的模型已被实现为基于Web的系统，可在http://140.138.155.216/deepcandle/上免费获得，用于使用烛台图和深度学习神经网络预测股票市场。
Measuring the Time-Varying Market Efficiency in the Prewar and Wartime Japanese Stock Market, 1924-1943
本研究利用新的市值加权权益表现指数，检验1924-1943年日本战时及战前股市的适应性市场假说，发现市场效率随时间和历史事件时变，且市值加权指数导致结果异于过往研究，战争及政府干预会降低市场效率。
The 2020 Global Stock Market Crash: Endogenous or Exogenous?
自2020年2月20日起，全球股市开始遭受自2008年大衰退以来最严重的下跌，而COVID-19被广泛归咎于股票市场崩盘。在这项研究中，我们应用基于多级时间序列的对数周期幂律奇异性（LPPLS）方法，通过分析发达和新兴股票市场的10个主要股票市场指数的轨迹，揭示2020年全球股票市场崩盘的潜在机制，包括标准普尔500指数，道琼斯工业平均指数，纳斯达克，富时，DAX，日经指数，沪深300指数，恒指，BSESN和BOVESPA。为了有效区分内生性崩溃和外生性崩溃，我们提出使用LPPLS置信度指标作为分类代理。研究结果表明，超指数增长的明显LPPLS泡沫模式，通过加速的周期振荡修正，确实出现在七个指数的价格轨迹中：标普500、道琼斯、纳斯达克、DAX、沪深300、BSESN、BOVESPA，表明大的正向泡沫在2020年股票市场崩盘之前已经内生形成，七大指数随后的暴跌是内生性的，源于股市系统性不稳定性的加剧，而众所周知的外部冲击，如新冠疫情等，只是2020年全球股票市场暴跌的火花。与此相反，在FTSE、NIKKEI和HSI这三个指数的价格轨迹中，没有观察到LPPLS模型的明显特征，这表明这三个指数的崩溃是外生的，源于外部冲击。本文提出的危机类型分类方法也可用于分析全球金融市场中任何价格轨迹的制度变化。
Mesoscale impact of trader psychology on stock markets: a multi-agent AI approach
机器学习和神经金融学领域的最新进展在金融市场行为经济的实际推理和微观结构研究方面产生了新的令人兴奋的研究视角。我们在这里提出了最新的结果，从最近发布的股票市场模拟器建立在多代理系统架构，其中每个代理是一个自主的投资者交易股票的强化学习（RL）通过集中式双拍卖限价订单簿。RL框架允许实施交易者心理学已知的特定行为和认知特征，从而在中尺度上研究这些特征对整个股票市场的影响。更准确地说，我们将我们的代理设计缩小到三个已知与RL理论直接对应的心理偏见，即延迟折扣，贪婪和恐惧。我们将随后的模拟数据与过去十年左右的真实股票市场数据进行了比较，发现市场稳定性受益于更大数量的代理人倾向于延迟贴现，最令人不安的是，贪婪。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。