Great year, bad Sharpe? A note on the joint distribution of performance and risk-adjusted return
本文研究了重尾分布下业绩与Sharpe比率的联合统计特征,揭示了最佳样本内业绩与最佳Sharpe比率不相关,从而对Sharpe比率作为投资质量黄金标准指标的地位提出质疑。
2024-06-26 physics.soc-ph q-fin.GN q-fin.PM
Data-Driven Risk Measurement by SV-GARCH-EVT Model
本文提出SV-EVT-VaR动态模型,将厚尾分布、杠杆效应与极值理论相结合,用于更准确地度量股票市场风险,并通过标普500指数数据验证其在样本外回测中的优越性。
2024-12-27 q-fin.MF q-fin.RM q-fin.ST
Gaussian-Chain Filters for Heavy-Tailed Noise with Application to Detecting Big Buyers and Big Sellers in Stock Market
Xian Jiaotong University(西安交通大学)
本文提出高斯链分布用于处理重尾噪声,通过构造基于最大似然原理的高斯链滤波器,改进了市场情绪跟踪策略,实证显示其在股票市场中表现优于传统策略。
2014-05-09 cs.CE cs.CV cs.SY
The components of empirical multifractality in financial returns
本文以1896年5月26日至2007年4月27日道琼斯工业平均指数的日数据为例,对金融收益率的经验多重分形的组成部分进行了系统的研究。收益率的时间结构和厚尾分布被认为是可能的影响因素。将原始收益率序列的多重分形谱与四种替代数据的多重分形谱进行了比较:(1)不包含时间相关性但具有相同分布的混洗数据,(2)其中任何非线性相关性被去除但分布和线性相关性被保留的替代数据,(3)其中大的正收益和负收益被小的值替换的替代数据,以及(4)从保留时间相关性的可选厚尾分布生成的替代数据。我们发现这些因素都对多重分形谱有影响。我们还发现,时间结构(线性或非线性)对多重分形谱的奇异宽度$Δα$的影响较小,而胖尾对$Δα$的影响较大,这证实了先前的结果.此外,线性相关被发现只有水平平移的多重分形谱的距离约等于其DFA标度指数和0.5之间的差异的影响。我们的方法也可以应用到其他金融或物理变量和其他多重分形形式主义。
2009-10-31 physics.data-an q-fin.ST
Comparing Bitcoin and Ethereum tail behavior via Q-Q analysis of cryptocurrency returns
本文利用GTS分布参数和Q-Q图对比比特币与以太坊日收益尾部行为,发现两者均呈重尾分布,但以太坊极端值频率更高,尾部风险更突出。
2025-06-26 math.PR q-fin.ST
The $κ$-generalised Distribution for Stock Returns
针对股票收益率厚尾非正态的特征,引入统计物理领域的$\kappa$-广义分布,通过蒙特卡洛拟合优度检验验证其对FTSE 100及纳斯达克Top100股票日收益率的良好拟合能力。
2024-05-16 q-fin.ST stat.AP
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
Multiscaling in the Rough Bergomi Model: A Tale of Tails
Northeastern University London(伦敦东北大学);Complexity Science Hub Vienna(维也纳复杂性科学中心);Centro Ricerche Enrico Fermi(恩里科·费米研究中心);King’s College London(伦敦国王学院)
本文通过两阶段统计检验发现,Rough Bergomi模型中的多标度行为主要源于厚尾收益率分布而非记忆效应。
2026-10-27 q-fin.ST
Sharper asset ranking from total drawdown durations
提取的总持续时间被证明提供了一个时刻免费的,无偏的,有效的和强大的估计夏普比率的高斯和厚尾的价格回报。然后,我们使用这个数量来推断的偏差的时刻为基础的夏普比率估计的收益分布尾部指数的函数的解析表达式。在任何给定的时间资产之间的尾部指数的异质性意味着,我们的新方法产生显着不同的资产排名比那些基于矩的方法,特别是在大波动的时期。这一点通过使用3449只流动性美国股票的20年历史数据得到了充分证实。
2017-02-08 physics.soc-ph q-fin.ST stat.ME
Modeling and Simulation of Financial Returns under Non-Gaussian Distributions
针对金融收益率非高斯分布选型无共识的问题,本文对比研究主流高频收益率分布模型的统计特性,经蒙特卡洛仿真发现其在大幅价格变动标度特性上具有一致性,并探讨了收敛速率及对期权定价的影响。
2023-02-06 physics.soc-ph q-fin.ST
Multifractal Features in the Foreign Exchange and Stock Markets
研究了韩国金融市场价格波动数据的多重分形行为。使用重新标度的范围分析(R/S分析),我们显示了韩元对美元汇率和KOSPI收益率的多重分形性质。我们还估计了Hurst指数和广义$q$的阶Hurst指数在uniform的多重分形框架。特别是我国金融市场是一个具有长期记忆效应的持续过程,Hurst指数的统计值在特征时间尺度上发生交叉。研究发现,收益率的概率分布与洛仑兹分布很好地一致,与厚尾性质显著不同。
2003-05-13 cond-mat.stat-mech q-fin.ST
Microscopic Origin of Non-Gaussian Distributions of Financial Returns
本文研究了金融工具价格变动的重尾概率密度分布的可能微观起源。我们扩展了标准的对数正态过程,在所谓的随机波动率模型中包括另一个随机成分。我们研究这些模型的假设下,类似于波恩-奥本海默近似,其中的波动性已经放松到其均衡分布,并作为一个背景的价格过程的演变。在这种近似下,我们证明了所有的随机波动率模型在零漂移修正的对数收益的时滞中应该表现出一个标度关系。我们验证了道琼斯工业平均指数确实遵循这种缩放。然后,我们专注于两个流行的随机波动率模型,赫斯顿和赫尔怀特模型。特别是,我们表明,在赫尔-怀特模型中,由此产生的概率分布的对数回报率在这种近似对应于Tsallis(t-学生)分布。根据微观随机波动率模型给出了Tsallis参数。最后,我们证明了30年道琼斯指数的对数收益率很好地拟合了Tsallis分布,获得了相关参数。
2007-07-06 cond-mat.other physics.soc-ph q-fin.ST
Bayesian inference and superstatistics to describe long memory processes of financial time series
金融数据的标准化特征之一是对数收益率不相关,但绝对对数收益率或其平方(即波动波动率)相关,并且在绝对对数收益率的某个时刻是无限的并且通常是非高斯的意义上具有重尾特征[20]。这一特征随时间尺度的不同而变化。我们建议通过超统计动态来模拟这种长记忆现象,并提供一种基于Metropolis-Hasting随机游走抽样的贝叶斯推理方法,以确定逆伽马和对数正态之间的超统计量在不同的时间尺度上描述了最佳的对数回报复杂性,从高到低的频率。我们发现,在较小的时间尺度(分钟),即使逆伽马超统计量的作品最好的,对数正态模型仍然非常可靠,适合拟合绝对对数收益率概率密度分布,具有强大的能力,描述重尾和幂律衰减。在更大的时间尺度(每日),我们表明,在贝叶斯因子的逆伽马超统计是首选的对数正态模型。我们还显示了从小时间尺度上的幂律衰减到大规模上的指数衰减的统计过渡的证据,这意味着在较大的时间尺度上的波动波动性往往是无记忆的,因此超统计变得不那么相关。
2021-05-10 q-fin.ST
Bitcoin versus S&P 500 Index: Return and Risk Analysis
本文通过拟合七参数GTS分布并采用FRFT方案,对比比特币与标普500指数日收益率的分布特征与尾部风险,发现比特币具有重尾性且极端损失严重程度显著高于标普500指数。
2023-10-03 q-fin.ST
An elementary model of price dynamics in a financial market: Distribution, Multiscaling & Entropy
经验资产对数收益率$Z$的典型事实包括存在(半)重尾分布$f_Z(z)$和赫斯特指数$τ(β)$的非线性谱。所考虑的经验数据是1990年1月1日至2004年12月31日10个大型指数的每日价格。我们提出了一个程式化的价格动态模型,这是由预期驱动。该模型是一个乘法随机过程,具有随机的,状态依赖的增长率,建立了一个负反馈的价格动态组件。这个0阶模型意味着对数收益率的分布是拉普拉斯$f_Z(z) \sim \exp(-\frac{|z|}α)$,其单个参数$α$可以被视为相应市场的长期平均流动性的度量。与(更一般的)威布尔分布的比较表明,经验每日日志收益率接近拉普拉斯分布。比较了经验数据$τ_{emp}$和模型$τ_{theor}$模拟数据的Hurst指数谱。由于非线性Hurst谱的发现,Renyi熵(RE)$R_β(f_Z)$被认为是。一个显式的函数形式的RE的指数分布的推导。模拟资产收益率跟踪的理论RE与经验收益率估计的RE吻合得很好。
2006-02-14 physics.soc-ph q-fin.ST
Trading leads to scale-free self-organization
金融市场在许多方面都表现出无标度行为。部分个人财富分配的幂律行为早在十九世纪就已被帕累托所认识。不同类型金融资产收益率分布的重尾性和无标度性已经在一系列研究中得到了证实。市场参与者财富的帕累托分布的存在与交易量和价格收益的无标度分布有关。然而,帕累托式财富分配的起源仍然模糊不清。在这里,我们表明,这是交易本身的过程中,在两个温和的假设自发地导致一个自组织的市场与帕累托样的财富分布的市场参与者,并在同一时间的无标度行为的回报波动。这些假设是:(1)每个人的交易量与他目前的能力成正比;(2)供给和需求决定商品的相对价值。
2009-05-29 physics.soc-ph q-fin.ST q-fin.TR
2T-POT Hawkes model for left- and right-tail conditional quantile forecasts of financial log-returns: out-of-sample comparison of conditional EVT models
提出一种适用于单变量时间序列左右尾条件分位数预测的2T-POT Hawkes模型,在六个大盘指数上验证了时间杠杆效应,并在5%及以下覆盖水平的风险价值与预期缺口预测中优于GARCH-EVT模型,为金融风险建模提供了更优方案。
2022-10-14 q-fin.ST
From short to fat tails in financial markets: A unified description
在复杂系统中,如湍流和金融市场,在长时间和短时间滞后的动态,分别由高斯和厚尾统计信号,要求一个统一的描述。为了解决这个问题,我们分析了一个真实的数据集,即价格波动,在广泛的时间尺度,以拥抱这两种制度。利用经验时间序列中的Kramers-Moyal(KM)系数,得到了收益率概率密度函数(PDF)的演化方程。我们还提出了一致的渐近解的时间尺度依赖的方程,出现从实证分析。从这些解决方案中,新的关系连接PDF特性,如尾指数,KM系数的参数出现。结果揭示了从高斯到肥尾统计的动态路径,为观察到类似交叉的其他复杂系统提供了见解。
2008-01-21 cond-mat.stat-mech physics.soc-ph q-fin.ST
Continuous Hidden Markov Models for Equity Returns: Heavy-Tail Emission Families and Regime-Conditional Value-at-Risk
Robert Frederick Smith School of Chemical and Biomolecular Engineering, Cornell University(康奈尔大学罗伯特·弗雷德里克·史密斯化学与生物分子工程学院);Cornell Ann S. Bowers College of Computing and Information Science, Cornell University(康奈尔大学安·S·鲍尔斯计算与信息科学学院)
针对隐马尔可夫模型无法复现绝对收益自相关缓慢衰减的问题,提出连续隐马尔可夫模型,通过分离时间与分布特性,使用重尾发射分布和谱分析,在多个数据集上验证了分布而非时间因素是主要差距,并实现了体制条件风险价值检验。
2026-06-23 q-fin.CP q-fin.RM q-fin.ST
Bridging the ARCH model for finance and nonextensive entropy
Engle的时间序列算法是一个生成随机时间序列的金融回报(和类似的数量),其特征在于随时间变化的方差。它涉及记忆参数$b$($b=0$对应于{ \it no memory}),并且噪声当前被选择为高斯。这里我们假设广义噪声,即$q_n$ -高斯,其特征在于指数$q_{n} \in {\cal R}$($q_{n}=1$恢复高斯情况,而$q_n>1$对应于尾部分布)。然后,我们匹配的第二个和第四个动量与$q$ -高斯分布通过优化的熵$S_{q}=\frac{% 1-\sum_{i} {p_i}^q}{q-1}$,非广延统计力学的基础上获得的momenta返回分布。结果是收益的{ \it分析}分布,其中唯一的$q\ge q_n$对应于每对$(b,q_n)$(如果是$ b=0$,则为$q=q_n$)。这种分布与数值结果相比,似乎是非常精确的。这个系统构成了一个简单的,低维的,动力学机制,以及目前的nonextensive框架内容纳。
2004-01-14 cond-mat.stat-mech q-fin.ST
MarketGANs: Multivariate financial time-series data augmentation using generative adversarial networks
Department of Mathematics, Sungkyunkwan University, Republic of Korea(淑阳大学数学系);Department of Financial Engineering, Ajou University, Republic of Korea(东亚大学金融工程系);Department of FinTech, SKK Business School, Sungkyunkwan University, Republic of Korea(淑阳大学SKK商学院金融科技系)
MarketGAN通过生成对抗网络生成高维金融时间序列数据,有效捕捉资产收益率的复杂统计特性,提升投资组合协方差估计的准确性。
2026-01-25 cs.LG econ.EM q-fin.ST
Precision measurement of the return distribution property of the Chinese stock market index
本文分析了2005-2021年沪深综合指数1分钟数据,精确测量了收益率分布性质,发现其中心部分符合Lévy稳定分布且尾部呈幂律衰减,但随着时间尺度增加表现出与美国市场不同的稳定性参数变化和指数衰减特征。
2023-11-23 physics.soc-ph q-fin.GN q-fin.ST
A Bayesian GED-Gamma stochastic volatility model for return data: a marginal likelihood approach
几项研究探讨了基于随机波动率(SV)模型的推断,同时考虑到回报数据的程式化事实。常见的问题是,许多波动率模型的潜在参数是高维的,并且在分析上难以处理,这意味着推断需要使用例如马尔可夫链蒙特卡罗或拉普拉斯方法进行近似。一些SV模型被表示为线性高斯状态空间模型,其导致边际似然,从而降低问题的维度。其他的不线性化,并且潜在参数被整合出来。然而,这些提出了一个相当严格的演化方程。因此,我们提出了一个贝叶斯GED-Gamma SV模型,其直接边际似然是广义学生t分布的产物,其中潜在状态通过平稳高斯演化方程随时间变化。然后,对对数精度/波动率的先验分布进行近似,而不需要模型线性化。这也允许计算边缘似然函数,其中高维潜在状态被整合出来,并且使用平滑过程容易地在块中采样。此外,我们的GED伽马模型的扩展很容易将斜重尾分布。我们使用贝叶斯估计的静态参数的推断,并进行了模拟研究的估计的几个性质。我们的结果表明,所提出的模型可以合理地估计。此外,我们还提供了巴西资产和英镑/美元汇率的案例研究,以显示我们的方法在拟合和预测方面的性能。关键词:SV模型,新的序列和平滑程序,广义学生t分布,非高斯误差,重尾,偏度
2018-08-23 q-fin.ST stat.OT
Nonstationary Increments, Scaling Distributions, and Variable Diffusion Processes in Financial Markets
可以说,数量金融学中最重要的问题是理解市场动态背后的随机过程的本质。这个问题的解决方案的一个方面涉及确定收益波动分布的特征。在过去十年中进行的实证研究报告说,它们是非高斯的,时间尺度,并有幂律(或胖)尾巴。然而,因为他们使用滑动区间分析方法,这些研究隐含地假设基本过程具有平稳增量。我们明确表明,这一假设是不成立的欧元兑美元汇率在1999年至2004年。此外,我们发现,汇率的回报波动是不相关的,并在每天的某些时间间隔内按幂律缩放。这种行为与扩散过程是一致的,扩散系数取决于时间和价格的变化。在缩放区域内,我们发现滑动区间方法可以生成厚尾分布作为一个工件,并且在许多以前的研究中报告的缩放类型并不存在。
2006-09-22 cond-mat.stat-mech physics.data-an physics.soc-ph