Empirical facts characterizing banking crises: an analysis via binary time series
各种研究已经表明，共同的冲击和跨国金融联系使几个国家的银行系统高度相互关联，结果是在经济不景气时，不同国家可能同时出现银行危机。我们的目标是使用1800年至2014年66个国家的二分银行危机时间序列数据集提供进一步的证据。通过使用热图矩阵，我们发现，几个国家表现出成对的相关性，这意味着银行危机往往发生在同一年。聚类分析表明，发达国家（就大多数欧洲国家而言）在事件的路径方面非常相似。对大萧条和大衰退之后发生的事件的分析表明，在2008年危机之后，银行危机往往以金融联系紧密的国家为特征，而在2008年之前，危机的蔓延似乎影响到同一地理区域的国家。聚类分析还表明，金融自由化后，危机影响了经济结构和增长相似的国家。进一步的研究应该揭示这些联系的起源，调查传染过程最终如何发生。
2019-04-29 q-fin.ST
Characterizing and modeling cyclic behavior in non-stationary time series through multi-resolution analysis
提出了一种基于小波变换和遗传规划的非平稳时间序列多尺度变化特征描述和建模方法。循环变化，提取的小波和三次样条平滑，以及捕获的形式的动力学方程的遗传编程。为了说明的目的，我们分析了两个不同的非平稳金融时间序列，S&P CNX Nifty收盘指数的国家证券交易所（印度）和道琼斯工业平均指数收盘值通过Haar，Daubechies-4和连续Morlet小波研究在不同尺度上的波动特征，然后通过GP建模的周期性行为。周期变化出现在中间的时间尺度和相应的动力学方程揭示在不同尺度的特征行为。
2006-12-22 physics.data-an q-fin.ST
Statistical Methods for Estimating the non-random Content of Financial Markets
对于普通的观察者来说，金融市场看起来完全是随机的，行为飘忽不定，无法控制。在很大程度上，这是正确的。在第一次近似的实际价格变化和随机游走模型之间的差异太小，无法检测使用传统的时间序列分析。然而，我们在下文中表明，真实金融时间序列和随机游走之间的这种差异，尽管很小，但可以使用现代统计多变量分析来检测，并在交易系统中编码了几个触发器。这种分析基于核物理中广泛使用的方法，具有大样本数据和先进的统计推断。考虑到欧元期货合约在高频率的运动，我们表明，这一系列的非随机内容的一部分，可以推断，即趋势跟踪的内容取决于波动范围。
2011-08-19 q-fin.ST
Phase Transitions in Financial Markets Using the Ising Model: A Statistical Mechanics Perspective
本研究从统计力学视角，利用Monte Carlo模拟方法探究伊辛模型复制S&P500指数波动率聚集等金融程式化事实的能力，证实了该模型能有效重现多数市场统计特征。
2025-04-26 q-fin.ST
Financial bubbles analysis with a cross-sectional estimator
我们强调了一个非常简单的统计工具，用于分析金融泡沫，这已经在[1]中研究过了。我们提供了广泛的实证检验，这一统计工具，并调查分析其与股票相关性结构的联系。
2009-09-16 q-fin.ST
Statistical Investigation of Connected Structures of Stock Networks in Financial Time Series
在这项研究中，我们已经调查的决定因素，可以影响连接结构的股票网络。股票网络拓扑性质的代表性指标是与其他股票的链接数。我们使用了金融文献中广泛认可的多因子模型。在多因子模型中，公因子作为自变量，个股收益率作为因变量。我们计算了决定系数，它代表了因变量被自变量解释的程度的测量值。因此，我们在多因子模型中研究了股票网络中的链接数与决定系数之间的关系。我们使用了韩国、日本、加拿大、意大利和英国市场指数上交易的个股。结果如下。我们发现，具有大量链接的股票的平均决定系数比那些与其他股票的链接数量少的股票有更高的值。这些结果表明，共同的因素是显着的确定性因素时，要考虑到股票网络。此外，与其他股票有大量联系的股票可能会更多地受到共同因素的影响。
2007-09-14 physics.data-an q-fin.ST
Some Statistical Problems with High Dimensional Financial data
本文探讨高维金融数据中标准统计方法的失效问题，提出修改方案，涵盖协方差估计、回归、主成分分析、多重检验和分类，并介绍实用快速算法。
2018-08-08 q-fin.ST
The log-periodic-AR(1)-GARCH(1,1) model for financial crashes
本文旨在满足最近的索赔，以实现更严格的统计方法在经济物理学文献。为此，我们考虑一个计量经济学的方法来调查的对数周期模型的价格变动，这在很大程度上被用来预测金融危机的结果。为了对未知参数进行可靠的统计推断，我们在原模型的误差项中加入了自回归动态和条件异方差结构，得到了对数周期AR（1）-Gestro（1，1）模型。将原模型和扩展模型分别与美国金融指数进行了拟合。S.市场，即标准普尔500和纳斯达克。我们的分析揭示了两个主要点：（i）对数周期AR（1）-GARCH（1，1）模型的残差具有更好的统计性质;（ii）关于金融危机时间的参数估计得到了改进。
2008-01-28 physics.data-an physics.soc-ph q-fin.ST
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
The limits of statistical significance of Hawkes processes fitted to financial data
霍克斯过程与金融数据的许多拟合看起来相当不错，但其中大多数在统计上并不显著。这就提出了一个问题，即这个模型能够准确地解释市场动态的哪一部分。我们记录的准确性，这样的过程，因为一个不同的时间间隔校准和比较性能的各种类型的内核的总和的指数。由于外汇市场全天开放，因此非常适合我们的目标，因为它们使我们能够避免股票市场每日长时间隔夜关闭的复杂情况。一个可以实现统计显着性，根据三个同时测试，提供一个使用内核与两个指数拟合一个小时的时间，和两个或三个指数为整天，而更长的时间段内不能拟合统计满意度，因为非平稳性的内源性过程。拟合的时间尺度相对较短，内吸系数较高，但约为0.8。
2015-03-22 q-fin.ST
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
Characterizing Cryptocurrency market with Levy's stable distributions
Graduate School of Informatics, Kyoto University（京都大学情报大学院）
本文基于Levy稳定分布对新兴加密货币市场的价格波动行为进行建模，发现其在特定时间区间内可由非高斯Levy稳定分布（α≈1.4）描述，并通过解析关系和通用中心极限定理的理论背景进行论证。
2019-11-25 econ.GN q-fin.EC 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
Characterizing price index behavior through fluctuation dynamics
我们研究了在纽约证券交易所上市的公司的各种价格指数波动的性质。通过使用Daubechies基小波提取多尺度波动。这些基集满足消失矩条件的事实使得它们通过低通或“平均系数”来提取局部多项式趋势是理想的。从原始时间序列中减去趋势，就得到了不同尺度上的波动，这取决于用于寻找“平均行为”的低通系数的水平。然后，研究了基于小波的多重分形去趋势波动分析，分析其自相似性和非统计特性。由于这种时间序列的多重分形性，它们在不同的频率范围内偏离高斯行为。他们离开随机矩阵理论预测在这样的制度也进行了分析。波动的这些偏差和非统计特性有助于揭示金融市场的动态。
2012-05-08 physics.data-an q-fin.ST
On anomalous distributions in intra-day financial time series and Non-extensive Statistical Mechanics
在本文中，一个研究的分布日志回报（tick-by-tick）在里斯本股票市场，并表明，它是很好的调整方程的解决方案，{ $\frac{dp_{x}}{d| x|}=-β_{q^{\prime }}p_{x}^{q^{\prime}}-(β_{q}-β_{q^{\prime}}) p_{x}^{q}$ }，这对应于一个推广的微分方程的解决方案的幂律优化熵形式$S_{q}=-k \frac{1-\int p_{x}^{q} dx}{1-q}$，目前非广泛的统计力学的基础。
2004-03-24 cond-mat.stat-mech q-fin.ST
East africa in the Malthusian trap? A statistical analysis of financial, economic, and demographic indicators
作者对金融、经济和人口指标进行的统计分析表明：（1）东非的主要国家（2）这些国家不太可能遵循“北非道路”，在生育率转型取得重大成功之前实现这一逃脱;（3）如果东非不走“孟加拉国的道路”，在可预见的未来不实现真正大幅度的生育率下降，就不可能实现这种逃脱，这意味着引入义务普及中学教育，卢旺达式的认真的计划生育计划，以及在父母同意下提高法定结婚年龄。当然，这些措施应该伴随着农业劳动生产率的大幅提高和农业就业人口比例的下降。
2015-03-29 q-fin.GN q-fin.ST
Constructing Analytically Tractable Ensembles of Non-Stationary Covariances with an Application to Financial Data
在复杂系统中，关键参数往往会随时间发生不可预测的变化。气候、生物进化和网络为这种非平稳性提供了许多例子。在许多情况下，迫切需要改进统计模型。在一般情况下，我们研究的相关量的系统，我们称之为振幅。我们对非平稳性的情况感兴趣，即，随机协方差我们提出了一个通用的方法来获得的协方差分布的振幅的分布。为了确保分析的易处理性，我们构造了一个适当变形的Wishart合奏随机矩阵。我们将我们的方法应用于财务回报，其中丰富的数据使我们能够进行统计显著性测试。我们发现的系综的特征在于代数分布，这提高了对大事件的理解。
2015-07-14 cond-mat.stat-mech physics.data-an q-fin.ST
Recovering Structural Organization in Noisy Correlation Networks Using Financial Systems as a Testbed
Indian Institute of Science (IISc)（印度科学学院）
该研究以金融系统为试验台，应用谱分解将含噪声的金融相关矩阵分离，用NIFTY 200等数据验证，表明结构化成分能再现全矩阵特性，去噪网络的金融网络组织性更强，基于此构建的投资组合表现更优，证明谱去噪可恢复有意义的网络结构。
2026-07-14 q-fin.ST
Superstatistics with cut-off tails for financial time series
研究金融时间序列是否遵循厚尾分布。此外，经验概率分布有时在其尾部显示截断形状。为了描述这个程式化的事实，我们将截断效应纳入超级统计。证明了所提出的随机模型能够描述真实金融时间序列的统计特性。另外，我们给出了一个关于超统计量的期权定价公式。
2018-09-13 math.ST physics.data-an q-fin.ST
Clustering Financial Time Series: How Long is Enough?
研究人员使用30天到几年的每日回报作为源数据，根据相关性对金融时间序列进行聚类。本文建立了一个统计框架来研究这种做法的有效性。我们首先表明，聚类相关的随机变量从他们的观察值是统计上一致的。然后，我们也给了一个第一个经验的答案，很多争论的问题：多长时间的时间序列？如果太短，发现的集群可能是虚假的;如果太长，动态可能会被平滑。
2016-04-14 q-fin.ST stat.ML
Conditional Probability as a Measure of Volatility Clustering in Financial Time Series
在过去的几十年里，金融时间序列的特征和建模已经花费了相当大的努力。一些程式化的事实已经被确定，波动集群或持续性的趋势已经成为中心特征。在本文中，我们提出了一个适当定义的条件概率作为一个新的衡量波动聚类。我们测试这一措施，将其应用到不同的股票市场数据，我们发现一个丰富的时间结构的波动率波动描述得很好的标度关系。缩放中使用的比例因子提供了波动率聚类的直接度量;这种度量可用于开发期权定价、风险管理和经济预测的技术。此外，我们提出了一个随机波动率模型，可以显示许多显着的特征所表现出的经验金融时间序列的波动，包括我们推导出的条件概率的行为。
2006-01-05 physics.soc-ph q-fin.ST
Compensating asynchrony effects in the calculation of financial correlations
提出了一种补偿异步时间序列相关性计算中统计误差的方法。该方法是基于一个潜在的时间序列的假设。我们建立了一个模型，并将其应用于金融数据，以检查对较小的回报间隔（Epps效应）的计算相关性的下降。我们表明，这种统计效应是一个主要原因的Epps效应。因此，我们能够仅使用交易价格和交易时间对其进行量化和补偿。
2010-07-06 q-fin.ST q-fin.TR
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 asset price bubbles in emerging financial markets: a new statistical approach
泡沫是一个有争议的重要问题。人们提出了许多基于合理预期的泡沫检测方法。然而，对于一些发展中国家，尤其是中国，资产市场是如此年轻，以至于对许多公司来说，没有股息和基本价值，这使得很难（如果不是不可能的话）用现有的方法来衡量泡沫。因此，我们提出了一种简单而有效的统计方法和三个统计量（即C，U，V）来捕捉和量化资产价格泡沫，特别是在不成熟的新兴市场。为了给出一个将这种方法应用于现实问题的清晰例子，我们还应用我们的方法重新实证检验了一些股票市场的资产价格泡沫。本文对现有文献的主要贡献在于：第一，该方法不依赖于基本面价值、贴现率和股利，因此适用于缺乏这类充分数据的不成熟市场;第二，该方法允许我们检验泡沫的不同影响（羊群行为、异常波动和综合影响）。据我们所知，我们的新统计方法是现有文献中量化资产价格泡沫（尤其是新兴市场）的唯一可靠方法。
2016-10-24 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
Option Pricing from Wavelet-Filtered Financial Series
我们对高频金融时间序列进行小波分解，将其分解为大时间尺度分量和小时间尺度分量。以FTSE 100指数为例，并使用Haar基进行研究，结果表明，对于期权溢价评估而言，由大多数（$\simeq$ 99.6%）小波系数定义的小尺度分量可以被忽略。低通小波滤波提供的巨大压缩信息的相关性与以下事实有关：原始金融时间序列的非高斯统计结构基本上保留了超过一个交易日的到期时间。
2012-12-17 physics.data-an q-fin.PR q-fin.ST
Bose-Einstein Condensation in Financial Systems
我们将金融系统描述为类似于玻色-爱因斯坦凝聚体的凝聚体，并根据模型计算统计分布。计算出的分布投资到投机金融资产被发现相当于帕累托分布，和计算出的分布的价格变动被发现相当于指数截断利维分布。
2003-03-14 cond-mat.soft cond-mat.stat-mech q-fin.ST
Study of statistical correlations in intraday and daily financial return time series
本文的目的是对股票的相关性和联动性进行简要回顾和新的研究，以便理解“季节性”和市场演变。使用CAC40的日内数据，我们首先重申Allez和Bouchaud的发现[New J. Phys. 13，025010（2011）]：股票之间的平均相关性在一天中不断增加。然后，我们使用多维缩放（MDS）在生成地图和可视化的动态演变的股票市场在一天。我们没有发现一天中市场结构的任何显著差异。另一个目的是使用MDS研究的每日数据，并可视化或检测市场和危机时期的特定行业。我们建议，这种类型的可视化可用于确定潜在的对股票的“对贸易”。
2012-04-23 q-fin.ST
Variety and Volatility in Financial Markets
我们通过考虑单个时间序列和同时交易的股票集合的统计特性来研究金融市场中股票交易的价格动态。我们使用在纽约证券交易所交易的$n$股票来形成每日股票收益的统计集合。对于我们的数据库的每个交易日，我们研究了整体收益率分布。我们发现，一个典型的集合收益率分布存在于大多数的交易日，除了崩溃和反弹的日子和这些极端事件之后的日子。我们分析每个集合返回分布提取其前两个中心矩。我们观察到，这些时刻是波动的时间，是随机过程本身。通过研究集合收益分布中心矩的概率密度函数和时间相关特性，刻画了集合收益分布中心矩的统计特性。一般来说，时间平均和投资组合平均价格收益具有不同的统计特性。我们从这些差异中推断出股票之间和不同交易日之间相关性的相对强度。最后，我们将我们的经验结果与单指数模型预测的结果进行了比较，得出结论，这个简单的模型无法解释集合收益率分布的二阶矩的统计特性。
2000-06-05 cond-mat.stat-mech q-fin.ST
About the non-random Content of Financial Markets
对于普通的观察者来说，金融市场看起来完全是随机的，行为飘忽不定，无法控制。在很大程度上，这是正确的。在第一次近似的实际价格变化和随机游走模型之间的差异太小，无法检测使用传统的时间序列分析。然而，我们在下文中表明，真实金融时间序列和随机游走之间的这种差异，尽管很小，但可以使用现代统计多变量分析来检测，并在交易系统中编码了几个触发器。这种分析基于核物理中广泛使用的方法，具有大样本数据和先进的统计推断。考虑到欧元期货合约在高频率的运动，我们表明，这一系列的非随机内容的一部分，可以推断，即趋势跟踪的内容取决于波动范围。当然，这不是统计推断的一般证明，因为我们只关注一个特定的例子，不能声称这个过程的普遍性。因此，我们在一个完全不同的市场上制作了其他例子，这些市场与欧元期货基本上不相关，即DAX和可可期货合约。使用基于相同成分的交易系统遵循相同的程序。我们表明，可以得到类似的结果，我们的结论是，这是一个证据，一些不变量，在我们的系统中编码，已被确定。它们提供了一种量化的非随机内容的金融市场探索了10年的时间。
2011-08-19 q-fin.ST
Simulating financial time series using attention
Columbia University（哥伦比亚大学）；Zurich University of Applied Sciences（苏黎世应用科学大学）
金融时间序列模拟是一个中心议题，因为它扩展了有限的真实数据的培训和评估的交易策略。由于真实金融数据的复杂统计特性，这也是具有挑战性的。我们介绍了两种生成对抗网络（GANs），它们利用具有注意力的卷积网络和变压器，用于金融时间序列仿真。GANs以数据驱动的方式学习统计特性，注意力机制有助于复制长期依赖关系。在标准普尔500指数和期权数据上对所提出的GANs进行了测试，根据程式化事实进行了评分，并与纯卷积GAN（即QuantGAN）进行了比较。基于注意力的GANs不仅再现了程式化的事实，而且平滑了收益的自相关性。
2022-07-01 cs.LG q-fin.CP q-fin.ST
Anticorrelations and subdiffusion in financial systems
基于随机朗之万力驱动的随机耦合方程组模型，研究了金融系统的统计动力学。从模型中发现了价格收益的反相关性和价格的次扩散，并与历史美元/欧元汇率计算的结果进行了比较。
2002-03-28 cond-mat.dis-nn cond-mat.stat-mech cs.CE
Non-Stationarity in Financial Time Series and Generic Features
金融市场是高度非平稳系统的突出例子。样本平均观测量（如方差和相关系数）在很大程度上取决于评估它们的时间窗口。这意味着标准平衡统计力学和热力学的方法有严重的局限性。然而，我们发现，有类似的一般特征，我们发现在整个市场的经验收益率分布。我们通过建立一个随机矩阵模型来解释我们的发现。
2013-05-10 q-fin.ST
Financial Atoms and Molecules
原子和分子是我们发明来理解我们周围的物理世界的重要概念实体。它们有用的关键在于将原子核和电子的自由度组织成一个单一的动力学变量，我们可以更好地想象它的时间演化。由于核/电子和原子/分子时间尺度之间的分离，使用这种有效变量代替真正的微观变量是可能的。在时间尺度分离的情况下，识别金融市场中的类似对象可以帮助我们进一步理解它们的动态。为了检测分离的时间尺度，并确定其相关的有效自由度在金融市场，我们设计了一个两阶段的统计聚类方案来分析股票在几个股票市场的价格变动。通过这两个时间尺度的聚类分析，我们发现了一个层次的自组织在现实的金融市场。我们把这些统计上稳健的自组织动力学结构称为金融原子、金融分子和金融超分子。一般来说，这些动态结构的详细组成不能仅仅基于原始的金融直觉来推断，必须根据基础投资组合和市场参与者的投资策略来解释。更有趣的是，我们发现，重大的市场事件，如中国的调整和次贷危机留下了许多金融分子的相关结构的迹象。
2009-03-12 q-fin.GN q-fin.ST
A relative information approach to financial time series analysis using binary $N$-grams dictionaries
在这里，我们提出了一种新的方法来统计分析的金融时间序列。该方法是基于$n$ -克频率字典从量化的市场数据。这样的字典进行了研究，评估其信息容量使用相对熵。考虑了（最初连续的）金融数据的特定量化：所谓的二进制量化。所提出的技术可能的应用包括市场事件研究与$n$ -更高的信息价值的克。有限长度的输入数据提出了一定的计算和理论上的挑战，在本文中讨论。还讨论了量化的一些其它形式。
2013-08-13 q-fin.ST
On the short term stability of financial ARCH price processes
对于许多金融应用程序，重要的是要有可靠和易于处理的模型，为资产和指数的行为，例如在风险评估。一个成功的方法是基于统计过程，它在统计特性和易于计算之间取得了适当的平衡。本文主要研究了二次随机过程的稳定性及其长期行为的理论条件。特别地，方差估计量的权重总和应该为1，并且新息的方差应该为1。利用历史数据，可以计算出已实现的经验创新，并评估其统计特性。对于3 ~ 50年的样本，对于股票指数、商品指数和汇率的样本，经验创新的方差总是显著大于1。这种偏离指向短期的不稳定性，或由于变化的条件而导致的快速适应性。创新的另一个理论条件是具有零均值。这种情况也进行了实证研究，一些时间序列显示出显着偏离零。
2021-07-14 q-fin.ST
MegazordNet: combining statistical and machine learning standpoints for time series forecasting
由于金融时间序列的混沌特性，对其进行预测一直被认为是一项困难的任务。统计方法在预测市场方向和股票单一价格等一些具体问题上显示出了坚实的结果;然而，随着深度学习和大数据技术的最新进展，出现了新的有希望的选择来解决金融时间序列预测。此外，最近的文献表明，与单一解决方案相比，采用统计和机器学习的组合可以提高预测的准确性。考虑到上述方面，在这项工作中，我们提出了MegazordNet，这是一个结合结构化深度学习模型进行时间序列预测的金融序列中探索统计特征的框架。我们使用不同的指标评估了我们预测标准普尔500指数股票收盘价的方法，我们能够击败单一的统计和机器学习方法。
2021-06-23 cs.AI cs.CE cs.LG
Statistical Properties of Share Volume Traded in Financial Markets
我们定量研究背后的想法经常表达的格言“它需要量来移动股票价格”，并研究在一个固定的时间间隔$Δt$为一个给定的股票交易的股票数量$Q_{Δt}$的统计特性。我们分析交易数据的最大的1000只股票的两年期1994-95，使用一个数据库，记录每一笔交易的所有证券在美国三大股票市场。我们发现分布$P(Q_{Δt})$呈现幂律衰减，而时间相关性在$Q_{Δt}$中呈现长程持续性。进一步研究了$Q_{Δt}$与时间间隔$Δt$中事务数$N_{Δt}$之间的关系，发现$Q_{Δt}$中的长程相关性很大程度上是由$N_{Δt}$的长程相关性决定的.我们的研究结果是一致的解释，大的等时相关性之前发现之间的$Q_{Δt}$和价格变化的绝对值$| G_{Δt} |$（相关的波动性）主要是由于$N_{Δt}$。
2000-08-07 cond-mat.dis-nn cond-mat.stat-mech q-fin.ST
Checking account activity and credit default risk of enterprises: An application of statistical learning methods
信息不对称的存在一直是金融机构关注的主要问题。商业银行等金融中介机构需要研究潜在借款人的质量，以便就公司贷款作出决定。经典的方法是利用Logistic回归模型来建立财务比率对违约概率的模型。作为法国主要的商业银行之一，我们可以了解企业客户的账户活动。我们发现，这种交易数据优于经典的财务比率在预测违约事件。由于新的数据反映了现金流的实时状况，这一结果证实了我们的直觉，即流动性在违约现象中起着重要作用。此外，这两个数据集在一定程度上是互补的：合并后的数据比每个单独的数据具有更好的预测能力。我们采用了一些先进的机器学习方法，并分析了它们的特点。这些方法的正确使用有助于我们更深入地理解违约现象中的核心因素，如信贷额度违规和现金流入。
2017-07-03 q-fin.RM q-fin.ST
A review of two decades of correlations, hierarchies, networks and clustering in financial markets
我们回顾了聚类金融时间序列的最新技术，以及它们与其他相互作用网络的相关性研究。本综述的目的是将来自不同领域的相关材料收集在一个地方，例如机器学习，信息几何学，经济物理学，统计物理学，计量经济学，行为金融学。我们希望这将有助于研究人员更有效地使用这种替代模型的金融时间序列。决策者和定量研究人员也可以利用它的见解。最后，我们也希望这一审查将形成一个开放的工具箱，研究相关性，层次结构，网络和集群在金融市场的基础。
2020-11-03 q-fin.ST
A new space-time model for volatility clustering in the financial market
提出了一种新的金融市场上相互作用主体的时空模型。它是居里-外斯模型和Järpe 2005年引入的时空模型的结合。该模型的属性推导出重点的临界温度和磁化强度。事实证明，哈密顿量是温度参数的充分统计量，因此可以进行关于该参数的统计推断。因此，例如，可以做出关于当前金融状况离金融危机有多远的声明，并且可以监视金融交易稳定性以检测恶意风险指示信号。
2010-02-03 q-fin.ST q-fin.TR
New financial ratios based on the compositional data methodology
本文提出基于成分数据（CoDa）的新财务比率方法，解决传统比率因不对称性导致的统计问题，实证表明其减少异常值和偏态，且结果不受分子分母选择影响。
2025-05-27 q-fin.ST stat.AP stat.ME
An Empirical Analysis on Financial Markets: Insights from the Application of Statistical Physics
本研究受统计物理学启发，提出利用三级订单簿数据、引入“主动深度”概念的物理模型，通过类比订单与物理粒子构建动能和动量度量，在波动率和收益预测上优于传统及机器学习基准，为市场微观结构研究提供新视角。
2024-06-25 q-fin.CP q-fin.MF q-fin.PR
Volatility Effects on the Escape Time in Financial Market Models
我们简要回顾了逃逸时间的统计特性，或击中时间，股票价格收益率使用不同的模型，描述了股票市场的演变。我们比较这些逃逸时间的概率函数（PF）与从真实市场数据中获得的。然后详细分析了噪声和不同初始条件对具有随机波动率和三次非线性的市场模型逃逸时间的影响。对于这个模型，我们比较了股票价格收益率的PF，波动率的PF和收益相关性与从真实市场数据中获得的相同的统计特征。
2008-10-08 physics.soc-ph 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
Interplay between endogenous and exogenous fluctuations in financial markets
我们解决微观，代理人为基础，宏观，随机，建模的金融市场结合它与外源噪声。代理人的内生动力学和外源噪声之间的相互作用是主要的机制，负责观察到的长期依赖性和高波动性的回报率区间的统计特性。我们所说的外生噪声是指信息流或/和订单流波动。基于所提出模型的数值结果表明，外生波动必须被视为金融市场综合建模不可或缺的一部分。
2016-11-19 q-fin.CP 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
Random walker in a temporally deforming higher-order potential forces observed in financial crisis
市场价格波动的基本特性被最近开发的随机游走模型很好地描述在一个时间变形的二次势力，其中心是由过去的价格轨迹的移动平均[Physica A 370，pp 91 -97，2006]。通过对泡沫、崩盘等异常事件的高频金融时间序列的分析，证实了市场中存在非线性势能。我们通过应用信息准则证明了它的存在性的统计意义。这种新的时间序列分析有望广泛应用于随机现象中的非平稳征兆的检测。
2008-11-27 physics.data-an physics.soc-ph q-fin.GN
On the connection between financial processes with stochastic volatility and nonextensive statistical mechanics
$GARCH$算法是Engle最初提出的对\it返回进行建模的$ARCH$过程的最著名的概括。这两种情况的特征在于呈现时间依赖性和相关性方差或{ \it波动率}。除了存储参数$b$（存在于$ARCH$中）和独立且同分布的噪声$ω$，$GARCH$还涉及另一参数$c$，使得对于$c=0$，再现标准的$ARCH$过程。在这篇手稿中，我们使用一个广义的噪声分布的特点是由一个指数$q_{n}$，使$q_{n}=1$恢复高斯分布。匹配低统计矩的$GARCH$分布的回报率与$q$ -高斯分布通过最大化熵$S_{q}=\frac{1-\sum_{i}p_{i}^{q}}{q-1}$，非广泛的统计力学的基础上，我们得到了唯一的分析$q$和$(b,c,q_{n}) $，原来是非常好的计算模拟相比。有了这个结果，我们也得到了一个解析近似的平稳分布（平方）波动率。利用基于$S_{q}$的广义Kullback-Leibler相对熵形式，我们还分析了Gestival（1，1）过程的连续返回值$z_{t}$和$z_{t+1}$之间的依赖程度.这种依赖程度由熵指数$q^{op}$量化。我们的分析指出，存在一个独特的关系之间的三个熵指数$q^{op}$，$q$和$q_{n}$的问题，独立的$(b,c)$的值。
2005-02-05 cond-mat.stat-mech q-fin.ST
DeRisk: An Effective Deep Learning Framework for Credit Risk Prediction over Real-World Financial Data
Tsinghua University（清华大学）；Fintopia Group（Fintopia集团）；Shanghai Qi Zhi Institute（上海期智研究院）
本文提出深度学习信用风险预测框架 DeRisk，针对真实金融数据高维稀疏、噪声大且极度不平衡的问题，首次在公司生产系统中超越梯度提升和随机森林等统计学习方法，并通过消融研究揭示其成功的关键因素。
2023-08-07 cs.LG q-fin.ST
Time-dependent scaling patterns in high frequency financial data
我们测量了不同时间尺度对金融市场数据动态性的影响。这是通过将金融时间序列分解为与不同时间尺度相关的简单振荡来获得的。我们提出了两个新的时变测度：1）振幅标度指数和2）类熵测度。我们将这些措施应用于日内，30秒抽样价格的各种股票指数。我们的研究结果揭示了日内趋势，不同的时间范围有助于在交易日的过程中可变的相对振幅。我们的研究结果表明，我们分析的时间序列具有非平稳的多重分形性质，在交易时段的中间具有持续性行为，在开盘和收盘时具有反持续性行为。我们证明，这些偏差是统计上显着的和强大的。
2015-12-16 q-fin.ST
A multi-scale symmetry analysis of uninterrupted trends returns of daily financial indices
我们提出了一个对称性分析不同的金融指数的变化的分布，通过由作者开发的对称性统计Einmahl和Mckeague的基础上的统计程序。我们将这种统计方法应用于金融不间断的每日趋势回报和其他衍生的可观察数据。在我们看来，为了研究分布对称性，趋势收益率比常用的每日财务收益率提供了更多的优势;最重要的两个是：1）趋势收益率涉及不同时间尺度上的采样，2）通过构造，这个变量时间序列包含实际上相同数量的非负和负条目值。我们还表明，这些时间多尺度回报显示分布双峰。本文分析的每日金融指数包括墨西哥IPC、美国DJIA、德国DAX和日本日经指数，涵盖时间段为1991年8月11日至2017年6月30日。我们表明，在本文所考虑的时间尺度分辨率和重要性，它几乎总是可行的找到一个区间的可能的对称点包含一个最合理的对称点表示为C。最后，我们研究的时间演变的C表明，这一点很少是零，并响应极端的市场事件的敏感性。
2019-08-27 econ.EM q-fin.ST
Levels of complexity in financial markets
我们认为，在金融时间序列的实证研究中观察到的复杂程度不同。我们讨论了最近的经验和理论工作表明，金融时间序列的统计特性是相当复杂的几种方式。具体而言，它们在（i）时间和（ii）集合属性方面是复杂的。此外，集合收益特性显示了特定于交易日性质的行为，反映了它是正常交易日还是极端交易日。
2001-04-19 cond-mat.stat-mech q-fin.ST
Evidence and Behaviour of Support and Resistance Levels in Financial Time Series
本文研究了金融时间序列中的支撑位和阻力位（SR位）现象，SR位作为反转价格趋势的临时价格障碍。为此，我们开发了一个启发式发现算法，发现和评估SR水平的日内价格序列。我们简单的方法发现SR水平，能够扭转价格趋势的统计显着。资产价格进入SR水平之前，价格反弹次数较多，更有可能再次反弹到这样的SR水平。我们还表明，随着时间的推移，随着价格反弹的概率下降，发现SR水平的衰减方面。我们的结论是，SR水平是金融时间序列中的特征，不能简单地用AR（1）过程来解释，平稳或其他;它们有助于所研究的价格序列的临时可预测性和平稳性。
2021-01-19 q-fin.ST
