Equity Premium Prediction: Taking into Account the Role of Long, even Asymmetric, Swings in Stock Market Behavior
本文提出一种新颖方法，引入“牛市指数”并通过FDMAA描述股票市场行为变化，发现该指数的正负向冲击分别对基于宏观经济变量和技术指标的股权风险溢价可预测性产生不同期限的显著影响。
2025-08-29 q-fin.ST q-fin.TR
Option Volume Imbalance as a predictor for equity market returns
我们研究了使用对应于正面和负面市场观点的期权交易量之间的归一化不平衡，作为现货市场方向性价格变动的预测指标。通过非线性分析，并使用分解的总成交量到五个不同的市场参与者类，我们发现强烈的迹象，超额市场隔夜回报的可预测性。最强的信号来自做市商成交量。在其他研究结果中，我们证明了大部分的可预测性源于高隐含波动率的期权合约，看跌期权量的信息含量大于看涨期权。
2022-01-23 q-fin.ST q-fin.TR stat.AP
Calibrated rank volatility stabilized models for large equity markets
本研究在随机投资组合理论框架下提出大型股票市场的秩波动率稳定模型，证明其理论性质与相对套利存在性，经16年美股数据校准验证了良好定量拟合效果。
2024-03-07 q-fin.MF q-fin.ST
Stress index strategy enhanced with financial news sentiment analysis for the equity markets
CentraleSupélec, Paris-Saclay University（巴黎-萨克雷大学中央高等电力学院）；Ai For Alpha；Paris-Dauphine PSL（巴黎多芬大学PSL大学）
本文提出将金融压力指标与GPT-4解读彭博新闻的情绪分析相结合的风险偏好/规避策略，在多个主要股市中显著提升夏普比率并降低最大回撤。
2024-03-12 cs.AI cs.CL q-fin.RM
Deep Hedging: Learning to Simulate Equity Option Markets
J.P. Morgan（摩根大通）
我们构建了基于生成对抗网络（GANs）的现实股票期权市场模拟器。我们考虑了递归和时间卷积架构，并评估了状态压缩的影响。期权市场模拟器是高度相关的，因为它们允许我们扩展有限的真实世界数据集，用于期权交易策略的培训和评估。我们表明，基于网络的生成器在一系列基准指标上优于经典方法，对抗性训练达到了最佳性能。我们的工作首次证明了GANs可以成功地应用于生成多变量金融时间序列的任务。
2019-11-05 cs.LG q-fin.CP q-fin.MF
Empirical regularities of opening call auction in Chinese stock market
利用2003年深圳证券交易所22只流通股的超高频数据，研究了开盘集合竞价的统计特征。相对价格是指开盘集合竞价的指令价格与最后一个交易日收盘价格之间的相对差值，其分布是不对称的，在相对价格为零时出现一个尖峰，在相对价格为负时出现一个较宽的尖峰。采用去趋势波动分析（DFA）方法研究了相对订单价格的长期记忆性。我们进一步研究了开放式集合竞价中订单规模的统计分布，发现了一种数量偏好现象，称为订单规模聚类。订单规模的概率密度函数（PDF）可以用$q$ -Gamma函数很好地拟合，订单规模也存在长期记忆。此外，在开盘集合竞价后立即建立的限价订单簿中，平均成交量和平均订单数均随着价格水平远离最佳买入价或卖价价而呈指数下降，并观察到价格聚集现象。
2009-05-05 q-fin.CP q-fin.ST
Universality and Heterogeneity of Stylized Facts in Cryptocurrency and Equity Markets
Inha University（仁荷大学）；Korea Institute for Advanced Study（韩国高等研究院）
本研究通过CECP和directed HVG分析2020-2025年高频数据，发现加密货币与股票市场典型事实表面收敛但动力学过程根本不同，为两类市场的差异研究提供了新证据。
2026-09-18 physics.soc-ph q-fin.ST
Forecasting Intraday Volume in Equity Markets with Machine Learning
本文针对高频交易中的盘中成交量预测问题，采用融合大量高频预测因子的机器学习模型并考虑共性，证明其可显著提升预测能力，并通过VWAP策略验证了精确预测的经济价值。
2025-05-13 q-fin.CP q-fin.ST
Random walks and market efficiency in Chinese and Indian equity markets
市场有效性假说是全球投资者持有多元化投资组合的一个重要概念。随着世界经济日益一体化，越来越多的人投资于全球新兴市场。这意味着，了解这些市场的效率是相关的。本文通过研究2008年全球金融危机和2015年中国金融危机对中国和印度新兴股票市场股票市场有效性的影响，检验了市场有效性。本文以孟买证券交易所（BSE 200）和上海证券交易所综合指数为样本，将20年的数据分为金融危机前（I期）、衰退期（II期）、衰退后中国金融危机前（III期）和中国金融危机爆发至今（IV期）四个阶段。在整个样本期和四个子期内，使用自相关检验、游程检验和单位根检验（增强的Dickey-Fuller）对SSE和BSE的每日收益进行了检查和随机性测试。所有这些检验的证据都支持印度和中国股票市场都没有表现出弱形式的市场有效性。它们总体上不遵循随机游走，在前三个时期（1996年至2015年），这意味着经济衰退在很大程度上没有影响市场，尽管在2008年全球金融危机之后，效率似乎在增加。
2017-09-12 q-fin.CP q-fin.ST
Cross-Impact of Order Flow Imbalance in Equity Markets
本研究针对股票市场多资产场景下订单流不平衡的价格影响问题，提出整合限价订单簿多档位OFI的方法，发现同期交叉影响无额外解释力，但滞后跨资产OFI可提升短期收益预测效果。
2023-06-13 q-fin.CP q-fin.ST q-fin.TR
Can ChatGPT Compute Trustworthy Sentiment Scores from Bloomberg Market Wraps?
Ai for Alpha；CentraleSupelec（中央高等电力学院）；Dauphine PSL（多芬纳巴黎第九大学）
本文利用ChatGPT对2010-2023年彭博市场综述进行情绪评分，发现情绪得分与短期至中期股市收益正相关、长期反转为负相关，并验证了该模式在不同市场的稳健性，同时估计了最优预测时间范围。
2024-01-09 cs.AI q-fin.ST
An exploration of the mathematical structure and behavioural biases of 21st century financial crises
本文对比2022年乌克兰入侵引发的金融危机与21世纪三次重大危机的市场动态，提出新的数学技术、线性算子方法和随机采样驱动的组合优化框架，研究危机下的投资策略与收益表现。
2023-09-30 q-fin.ST
A Nested Factor Model for Equity Markets: Reconciling Multifractal Stock Returns and Rough Index Volatilities
Ceremade, CNRS-UMR 7534, Université Paris-Dauphine PSL（巴黎第九大学）；Chair of Econophysics and Complex Systems, École polytechnique（巴黎综合理工学院）；LadHyX UMR CNRS 7646, École polytechnique（巴黎综合理工学院）；Capital Fund Management（资本基金管理公司）；Académie des Sciences（法兰西科学院）；SPE CNRS-UMR 6134, Université de Corse（科西嘉大学）
提出嵌套因子模型，通过粗糙因子波动率和超粗糙残差波动率解释股票指数与个股Hurst指数的差异，并给出估计方法。
2026-11-02 q-fin.ST
Trade Co-occurrence, Trade Flow Decomposition, and Conditional Order Imbalance in Equity Markets
本文提出基于交易时间接近性的交易分类方法，定义条件订单失衡（COI）并研究其价格影响，发现COI与未来收益的相关性取决于交易隔离性，且基于COI的策略在457只股票上获得显著收益和夏普比率。
2024-03-13 q-fin.ST q-fin.TR
Clustered Network Connectedness: A New Measurement Framework with Application to Global Equity Markets
SKEMA Business School（SKEMA商学院）；Université Côte d’Azur（蔚蓝海岸大学）；University of Pennsylvania（宾夕法尼亚大学）；Koç University（科奇大学）
本文提出了一种新的网络连通性度量框架，允许网络节点以集群方式连接，并应用于全球股票市场的实证研究。
2025-12-18 econ.EM q-fin.ST stat.AP
Systemic Risk and Default Cascades in Global Equity Markets: A Network and Tail-Risk Approach Based on the Gai Kapadia Framework
Institute of Mathematics and Statistics, University of São Paulo（圣保罗大学数学与统计学院）
本文基于Gai-Kapadia框架，分析2015-2026年间包含巴西和发达市场股票的30资产网络，探讨系统性风险与违约连锁反应，发现网络结构和尾部行为是系统性风险的关键因素。
2026-04-10 math.PR q-fin.ST
STOCK-JEPA: Prior-Anchored Latent Revision Representation Learning in Equity Markets
The Hong Kong University of Science and Technology（香港科技大学）；Shanghai Jiaotong University（上海交通大学）；Beijing Zhongguancun Academy（北京中关村学院）
本文提出Stock-JEPA，一种联合嵌入预测框架，通过先验锚定和上下文条件修正学习股票市场中的可预测增量表示，在理论和实验上均优于现有基线。
2026-10-08 cs.LG q-fin.ST
A Volume-Price-Adjusted MACD Trading Strategy with Sensitivity Calibration for U.S. Equity Indices
Yale University（耶鲁大学）
本文提出一种结合成交量、波动率和日内价格结构的改进MACD策略，通过灵敏度参数优化交易时机，提升市场响应能力，实验证明其在盈利性、风险调整收益和下行风险控制方面优于传统MACD策略。
2026-04-28 q-fin.ST q-fin.TR
An empirical study of market risk factors for Bitcoin
本文通过多种统计方法实证检验Fama-French股票因子对比特币超额收益的解释力，以判断股票市场因子能否有效建模比特币的系统性风险。
2024-07-01 q-fin.CP q-fin.MF q-fin.ST
Market Impact: A Systematic Study of the High Frequency Options Market
本文探讨了期权市场中的市场冲击这一近年来很少被提及的基本问题。我们的分析是基于一个专有的元订单数据库-大订单在发送到亚洲主要市场之一的市场之前被分成较小的部分。根据我们以前对股票市场的研究[Said等人，2018]，我们提出了一种算法方法来识别元订单，基于一些隐含波动率参数，在货币远期波动率和货币远期偏斜。在这两种情况下，我们得到的结果类似于现在很好地理解的股票市场：平方根法律，公平定价条件和市场冲击动态。
2022-05-14 q-fin.ST q-fin.TR
Information Propagation Across Investor Types: Transfer Entropy Networks in the Korean Equity Market
Korea University（高丽大学）
研究通过构建转移熵网络分析不同投资者类型在韩国股市中的信息传递，发现网络结构稀疏且异质，信息冗余而非协同，且网络中心性对回归无显著影响。
2026-03-15 q-fin.ST q-fin.TR
Evolution of correlation structure of industrial indices of US equity markets
通过研究基于相关性的网络和相关矩阵的谱特性，我们研究了在美国市场交易的美国股票行业指数对之间的相关性的动态。本文利用K. French和E.从1969年7月到2011年12月，这段时间跨越了40多年。我们发现，行业指数之间的相关性呈现出快速和缓慢的动态。这种缓慢的动态有一个超过五年的时间尺度，表明在不同的时期，投资的多样化程度可能不同。在这个缓慢的动态，我们还检测到一个快速的动态与外源性或内源性事件。我们使用的快速时间尺度是每月时间尺度，评估时间段是3个月时间段。通过调查每月的相关动态，我们能够检测到两个例子的快速变化的相关矩阵的第一和第二特征值。第一次发生在互联网泡沫期间（1999年3月至2001年4月），第二次发生在次贷危机影响最严重的时期（2008年8月至2009年8月）。
2013-06-20 physics.soc-ph q-fin.ST
Estimating the Stochastic Discount Factor from Option Prices and Predicting the Equity Premium
Graduate School of Economics, The University of Tokyo（东京大学经济学研究科）；Mizuho-DL Financial Technology Co., Ltd.（瑞穗DL金融科技有限公司）；Graduate School of Business Administration, Hosei University（法政大学经营学研究科）
研究从标准普尔500指数期权价格和市场数据估计随机贴现因子，提出由时变波动率缩放的SDF框架，恢复稳定非单调SDF，减轻观测噪声，其股权溢价预测性能优于现有基准，揭示到期对SDF形状的影响及理论依据。
2026-09-29 q-fin.MF q-fin.ST
Lead-lag detection and network clustering for multivariate time series with an application to the US equity market
University of Oxford（牛津大学）；The Alan Turing Institute（艾伦·图灵研究所）
在多变量时间序列系统中，已经观察到某些变量组部分地引导系统的演化，而其他变量以时间延迟跟随这种演化;结果是时间序列变量之间的超前-滞后结构。本文提出了一种多变量系统中时间序列超前-滞后簇的检测方法。我们证明，网络的成对的领先滞后关系之间的时间序列可以被有益地解释为一个有向网络，存在合适的算法检测的领先滞后集群对高成对的不平衡。在我们的框架内，我们考虑了一些选择成对的领先滞后度量和定向网络聚类组件。我们的框架验证了多变量领先滞后时间序列系统和每日真实世界的美国股票价格数据的合成生成模型。我们展示了我们的方法是能够检测统计上显着的领先滞后集群在美国股市。我们研究的背景下，这些集群的性质的领先滞后关系的实证金融文献，并展示了如何将其用于建设的预测性金融信号。
2022-01-20 cs.LG q-fin.ST stat.ME
Forecasting Nigerian Equity Stock Returns Using Long Short-Term Memory Technique
University of Ibadan（伊巴丹大学）
本文利用尼日利亚证券交易所历史数据训练LSTM模型预测股票收益，实验显示准确率超过90%，并建议未来结合CNN等构建混合模型以降低单一模型风险。
2025-05-27 cs.LG q-fin.ST
Empirical Confirmation of the Square-Root Law of Market Impact in a U.S. Large-Cap Equity
利用纳斯达克全量订单数据，在苹果公司股票上验证了市场冲击平方根定律，发现冲击与交易量平方根成正比，且模型优于线性和对数形式。
2026-06-24 q-fin.ST q-fin.TR
The Evolving Causal Structure of Equity Risk Factors
近年来，多因素策略在金融行业越来越受欢迎，因为它们可以让投资者更好地了解其投资组合背后的风险驱动因素。此外，这些战略有望促进多样化，从而在金融动荡时期限制损失。然而，最近的研究报告指出，这些因素之间存在很大程度的冗余，这可能会在金融危机期间加强多因素投资组合之间的风险传染。因此，更好地理解各因素之间的关系至关重要。在因果结构学习方法的最新进展的推动下，本文提出了一个金融风险因素的因果结构及其随时间的演变的研究。特别是，我们分析的数据涵盖了美国股市的11个风险因素，以每日频率计算，跨越了29年。我们的研究结果显示了统计上显着的稀疏化趋势的基本因果结构。然而，这种趋势在金融压力时期会被打破，在这种情况下，我们可以观察到因果网络的致密化，这是由市场因素节点的出度增长驱动的。最后，我们提出了一个比较因素的互相关分析，这进一步证实了因果分析的重要性，以获得更深入的了解因素系统的动态，特别是在经济低迷时期。从风险管理的角度来看，我们的发现尤其重要。它们将股票风险因素因果结构的演变与市场波动和宏观经济环境的恶化联系起来，并表明，在金融危机时期，不同因素的影响归结为市场风险因素的影响。
2021-11-09 cs.CE q-fin.ST
Variance-Corrected Multi-Asset Equity Simulation with Hybrid Hidden Markov Marginals
Cornell University（康奈尔大学）
本文提出混合隐马尔可夫模型，通过离散状态和跳跃-扩散机制建模股权超额增长率动态，实现更准确的分布和波动聚类再现。
2026-10-01 cs.LG q-fin.RM q-fin.ST
Algorithmic Monitoring: Measuring Market Stress with Machine Learning
University of Oxford（牛津大学）
本文提出通过机器学习构建市场压力概率指数，利用股票横截面数据预测股市压力，提升压力预测的准确性和经济意义。
2026-02-05 q-fin.RM 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
Source Exclusion in Regime-Gated Forecasting: A Cross-Market Audit of Equity-Factor Predictability
Korea Advanced Institute of Science and Technology（韩国科学技术院）
研究发现价值因子在危机时期格兰杰因果导致规模因子，但不适用于正常时期，为风险管理提供潜在参考。
2026-09-29 q-fin.RM q-fin.ST
Regime Discovery and Intra-Regime Return Dynamics in Global Equity Markets
National Institute of Technology Sikkim（锡金国立理工学院）；Chennai Mathematical Institute（钦奈数学研究所）；University G. d’Annunzio of Chieti-Pescara（基耶蒂-佩斯卡拉G. d'安努齐奥大学）；Ghent University（根特大学）
本文研究了全球股票市场中的 regime 发现与 intra-regime 收益动态，通过 Hilbert-Huang 变换识别市场 regime 并分析波动性特征，发现发达国家和发展中国家在波动性强度和 regime 稳定性上存在差异。
2026-01-13 q-fin.MF q-fin.RM q-fin.ST
An agent-based computational model for China's stock market and stock index futures market
本文提出了一个基于智能体的计算跨市场模型，该模型包含股票和沪深300指数期货。在这个模型中，我们设计了几只股票和一个指数期货来模拟这种结构。该模型允许异质投资者在财富、市场交易机制和风险管理等限制下做出投资决策。投资者的需求和订单提交是内生决定的。我们的模型成功地再现了中国金融市场的几个关键特征，包括现货-期货基差分布、买卖价差分布、波动率聚集和绝对收益率的长记忆性。该模型可用于跨市场风险控制、市场机制设计和套利策略分析。
2014-03-25 q-fin.ST q-fin.TR
Statistical Properties of Demand Fluctuation in the Financial Market
我们研究了Plerou {\it et. al.}在Nature，{\bf 421}，130（2003）中使用2001 - 2002年之间的纽约股票市场（NYSE）的数据。我们发现，所观察到的两相现象是一个人工制品的定义的控制参数加上的性质的概率分布函数的份额体积。我们再现了两个阶段的行为，通过一个简单的模拟，证明没有任何集体现象。我们进一步报告了金融市场需求波动的一些有趣的统计数据。
2005-02-15 physics.soc-ph q-fin.ST
Volatility in Financial Markets: Stochastic Models and Empirical Results
我们调查了美国股市交易的100只最具资本化的股票的历史波动性。波动率的经验概率密度函数（PDF）的对数正态模型和赫尔和怀特模型的理论预测得到比较。对数正态模型很好地描述了在该地区的低波动率值的PDF，而赫尔和怀特模型更好地近似的波动率的大值的经验PDF。这两个模型都无法描述在一个适度大的波动范围内的经验pdf。
2002-02-28 cond-mat.stat-mech q-fin.ST
When does the stock market listen to economic news? New evidence from copulas and news wires
Brock University（布鲁克大学）
研究利用Copulas理论和基于新闻线的新闻指标，发现经济新闻对股市回报的影响非线性且不对称，市场对不利经济新闻反应强烈而对利好新闻则反应较弱。
2014-10-30 econ.GN q-fin.EC q-fin.ST
