Microstructure Effects on Daily Return Volatility in Financial Markets
我们模拟了一系列的每日回报，从日内价格波动发起的微观结构元素。实证结果表明，日收益率和日收益率波动率具有一阶自相关性，但交易量和日收益率波动率不相关，而日内波动率相关。我们还考虑了日收益率序列中的甘精胰岛素效应，并表明使用日收益率的估计会受到价格水平的影响。相反，使用每日价格变化，我们发现了一个重要的甘精胰岛素成分的证据。这些结果表明，微观结构元素有相当大的影响返回生成过程。
2000-11-17 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
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
Random matrix theory and nested clustered portfolios on Mexican markets
本文提出结合随机矩阵理论协方差估计与改进的嵌套聚类优化算法，解决了高维下Markowitz投资组合的不稳定性问题，并在墨西哥市场中实现了无需显式约束的稳定正权重配置，从而避免了高风险的做空策略。
2023-06-09 physics.soc-ph q-fin.PM 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
A study of co-movements between oil price, stock index and exchange rate under a cross-bicorrelation perspective: the case of Mexico
在本章中，我们研究了1994年至今的样本期内墨西哥原油价格、墨西哥股票市场指数和美元/墨西哥比索汇率之间的非线性联动。我们使用了一组非线性测试，参见。（Patterson & Ashley，2000）和一个多变量检验，以确定从石油价格到股票和汇率市场的动态联动。使用Brooks & Hinich（1999）交叉双相关统计检验来暴露这种共同运动和时间窗。已经从不同角度研究了石油泄漏对其他市场的影响以及对若干金融资产的影响。在这项研究中，我们把注意力集中在检测，不仅是市场之间的相关性，但在这种非线性依赖可能发生的时代。为了更好地理解推动经济的市场如何相互作用，这一点很重要。我们希望通过这些发现为文献做出贡献，填补新兴市场背景下的空白，特别是墨西哥的案例。
2016-02-10 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
Dynamics of the Number of Trades of Financial Securities
我们进行了一个平行的频谱密度的分析（i）对数的价格和（ii）每天的交易数量的一组股票在纽约证券交易所交易。选择的股票代表了广泛的股票资本化。所观察到的谱密度表现出不同的幂律行为。我们确认了股票价格对数的谱密度的$1/f^2$行为，而我们检测到一个$1/f$样的行为的每日交易数量的谱密度。
1999-12-01 cond-mat.stat-mech q-fin.ST
The origin of fat tailed distributions in financial time series
物理学中的一个经典问题是由复杂系统产生的厚尾分布的起源。我们研究了不同时滞下股票收益率的分布$τ.$我们发现，通过打乱日收益率的顺序，在不改变$τ= 1$ d分布的情况下破坏所有的相关性，会导致$τ>1$ d的厚尾几乎消失。我们认为，厚尾是由已知的长期波动相关性。事实上，通过只改变日收益的符号（而不是绝对值）的顺序来破坏符号相关性，可以使胖尾持续$τ>1$ d。
2002-11-06 cond-mat.dis-nn 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
Impact of non-stationarity on estimating and modeling empirical copulas of daily stock returns
衡量金融时间序列之间的统计相关性常常被简化为线性相关系数。然而，这可能无法反映现实的所有方面。本文利用两两Copula函数研究了股票收益率的经验相关性。在这里，我们特别调查在何种程度上的非平稳性的金融时间序列影响的估计和建模的经验copula。我们估计经验copula从非平稳的，原始的回报时间序列和平稳的，局部归一化的。因此，我们能够在两个不同的尺度上探索经验依赖结构：一个全球和一个本地的。此外，经验Copula的不对称性被强调为一个基本特征。我们比较我们的经验发现与一个单一的高斯copula，与相关加权平均高斯copula，与K-copula直接解决非平稳的依赖关系作为模型参数，并与歪斜的学生的t-copula。K-copula最充分地覆盖了局部尺度上的经验依赖结构，而偏斜的Student's t-copula最好地捕捉了全球尺度上经验copula的不对称性。
2015-06-26 q-fin.ST
Dissecting financial markets: Sectors and states
通过分析一个大的数据集的每日回报率与数据聚类技术，我们确定了经济部门的集群资产具有相似的经济动态。行业规模分布遵循齐普夫定律。其次，我们发现，日常市场范围内的经济活动的模式集群到类，可以识别与市场状态。市场状态的频率分布具有无标度特性，市场状态过程的记忆扩展到长时间（$\sim 50$天）。同一部门的资产在各州的表现相似。我们通过分析市场的可预测性来刻画市场的有效性，发现市场确实接近于有效。我们发现的证据存在一个动态模式后，市场的崩溃。
2002-07-05 cond-mat.stat-mech q-fin.ST
Analysis of short term price trends in daily stock-market index data
在金融时间序列中，存在值单调增加或减少的周期。我们称这些时期为基本趋势，并研究其持续时间的概率分布指数DJIA，纳斯达克和IPC。结果发现，趋势持续时间分布往往不同于预期下没有记忆。通过Anderson-Darling检验比较了预期分布和观测分布。
2012-11-13 q-fin.ST
Random Matrix Theory and Cross-correlations in Global Financial Indices and Local Stock Market Indices
我们使用随机矩阵理论（RMT）分析了全球金融指数（全球20个每日股票指数）和当地指数（韩国股票市场200家公司的每日指数）之间的价格波动之间的交叉相关性。我们比较了2008年全球金融危机之前、期间和之后的互相关矩阵的最大和第二大特征向量的特征值和分量。我们发现它的大部分特征值落在RMT界[λ_，λ+]内，其中λ_-和λ_+是随机相关矩阵特征值的上下界。最大正特征值的特征向量的分量指示主导全球和本地指数的相同金融市场模式。另一方面，对应于第二大特征值的特征向量的分量交替地为正值和负值。危机前的成分在危机期间改变符号，危机期间的成分在危机之后改变符号。在全球和地方指数中，与最小特征向量相对应的最大逆参与率在危机后高于任何其他时期。在全球金融危机期间，全球指数之间和本地股票指数之间的相关性受到显著扰动。然而，指数之间的相关性很快恢复了危机前的趋势。
2013-02-26 q-fin.ST
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
Stylized Facts and Simulating Long Range Financial Data
我们提出了一种新的方法（在R程序中实现）来模拟长期的每日股票价格数据。该程序再现各种程式化的事实远远优于各种参数模型从扩展的GARCH家族。特别是，经验观察到的无条件方差的变化真实地反映在模拟数据中。
2016-12-15 q-fin.ST stat.AP
Critical dynamics and global persistence exponent on Taiwan financial market
本文以1971 - 2005年台湾证券交易所指数（TSE）的日交易数据和1996 - 2005年的5分钟交易数据为研究对象，研究了临界动态。针对非平衡临界现象\cite{Janssen,Majumdar}定义了全局持续性指数$θ_{p}$，并用经济指标\cite{Zheng}描述了其动态行为.近年来的数值分析研究表明，持续概率具有普适的标度形式$P(t) \sim t^{-θ_{p}}$ \cite{Zheng1} .本文分析了台湾金融市场普适标度行为的持续性特征，并计算了整体持续性指数$θ_{p}$。我们发现我们的分析结果与相同的普遍性很好地吻合。
2006-08-01 physics.comp-ph physics.data-an q-fin.ST
Identifying financial crises in real time
在热力学制定的多重分形措施，被证明是能够检测大的波动在早期阶段，在这里，我们提出了一个新的指数，使我们能够区分事件，如金融危机在实时。我们计算配分函数，从那里我们得到类似于自由能和比热的热力学量。该指标被定义为归一化能量变化，它可以用来研究随机时间序列的行为，如金融市场的日常数据。著名的金融市场崩盘--黑色星期四（1929年）、黑色星期一（1987年）和次贷危机（2008年）--都有明确而有力的结果。该方法也适用于2011年的市场波动。从这些结果来看，2011年明显的危机似乎与其他三次危机性质不同。我们还表明，该分析具有预测能力。
2012-11-05 nlin.CG physics.data-an q-fin.ST
Scaling of the distribution of fluctuations of financial market indices
我们研究了波动在时间尺度$Δt$上的分布（即，通过分析三个不同的数据库，对标准普尔500指数的收益率进行了分析。数据库（i）包含1984-1996年13年期间每隔1分钟采样的约100万条记录，数据库（ii）包含1962-1996年35年期间的8686条每日记录，数据库（iii）包含1926-1996年71年期间的852条每月记录。我们计算了收益率在时间尺度$Δt$上的概率分布，其中$Δt$的变化近似于10^4倍-从1分钟到1个多月。我们发现$Δt \leq$ 4天（1560分钟）的分布符合幂律渐近行为，其特征在于指数$α\approx 3$，远远超出稳定的Lévy制度$0 < α< 2$。为了检验标准普尔结果的稳健性，我们对其他两个金融市场指数进行了平行分析。数据库（iv）包含1984-97年14年期间的日经指数的3560个每日记录，数据库（v）包含1980-97年18年期间的恒生指数的4649个每日记录。我们发现$α$的估计值与描述标准普尔500指数日收益率分布的估计值一致。这些分布的缩放的一个可能的原因是波动率的自相关函数的长期持续性。对于长于$(Δt)_{\times} \approx 4$天的时间尺度，我们的结果与缓慢收敛到高斯行为是一致的。
1999-05-20 cond-mat.dis-nn cond-mat.stat-mech q-fin.ST
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
Ranking Causal Influence of Financial Markets via Directed Information Graphs
本文提出了一种基于相互因果影响的股票指数排序的非参数方法。在指数反映一个国家的基本经济的假设下，这种排名表明哪些国家在全球经济的一个受审查的子集中发挥最大的经济影响力。该方法将指标表示为有向图中的节点，其中边的权重是使用有向信息泛函量化的成对因果影响的估计。该方法便于使用来自每个索引的相对少量的样本。然后根据估计图中的净流量（从传出权重的总和中减去传入权重的总和）对指数进行排名。分析了9个指数（3个来自亚洲，3个来自欧洲，3个来自美国）的每日和每分钟数据。对每日数据的分析表明，美国指数最具影响力，这与直觉一致，即代表较大经济体的指数通常会产生更大的影响力。然而，它也表明，一个指数代表一个小的经济体可以强烈影响指数代表一个大的经济体，如果较小的经济体是一个更大的现象的指示。最后，它表明，虽然区域间的相互作用可以使用日常数据捕获，区域内的相互作用需要更频繁的样本。
2018-01-21 eess.SP q-fin.ST
Information-theoretic approach to lead-lag effect on financial markets
最近，研究者的兴趣已经从分析金融工具的同步关系转移到分析更有意义的异步关系。这两种分析都只集中在皮尔逊相关系数上，因此与此相关的日内领先滞后关系。在有效市场假说下，这种关系是不可能的，因为所有的信息都包含在价格中。在本文中，我们分析的领先滞后关系的金融工具和扩展已知的方法，使用互信息，而不是皮尔逊的相关系数，这不仅是一个更一般的措施，敏感的非线性依赖关系，但也可以导致一个更简单的程序的统计验证金融工具之间的联系。我们使用纽约证券交易所100指数的数据分析滞后关系，不仅在日内水平，而且每天的股票收益率，这通常被忽视。
2014-02-16 q-fin.ST
Benford's laws tests on S&P500 daily closing values and the corresponding daily log-returns both point to huge non-conformity
所谓的本福德定律经常被用来观察数据集中的异常和异常，特别是选举结果和财务报表。然而，基本的金融市场指数没有得到太多的研究，如果研究，在这样的角度。本文介绍了S\&P500日收盘值的分布特征和相应的日日志回报在一个很长的时间间隔，[03/01/1950 - 22/08/2014]，共计16265个数据点。我们解决的第一，第二，和前两个有效数字计数的频率，并探讨符合本福德的法律，这些分布在五个不同的（相等的大小）水平的分解。研究了正或负情况下的对数收益。标准普尔500指数每日收盘价的结果显示，无论不同的分解水平如何，都存在巨大的不一致性。一些“第一位数”和“前两位数”值甚至缺失。这种不一致的原因进行了讨论，指出在巨大的数据库，从而得出“明确的结论”，把本福德的法律是理所当然的危险。与本福德定律的协议是更好的日志返回。这种一致性的差异可以在数据集本身中找到解释：指数的内在趋势。为了进一步验证这一点，每日回报率进行了模拟校准模拟与观察到的数据平均值和测试对本福德的法律。人们发现，不仅趋势，而且分布的标准差是相关参数，在结论符合本福德定律。
2021-04-16 q-fin.GN q-fin.ST q-fin.TR
Minimal model of financial stylized facts
本文给出了一个线性随机波动率模型的统计特征，该模型的瞬时波动率服从逆Gamma平稳分布。我们详细推导了收益分布的矩，揭示了反伽马定律在肥尾出现中的作用，以及相关的相关函数。我们还提出了一个系统的方法来估计的参数，我们描述的标准普尔500指数的每日回报率的实证分析，确认该模型的能力，以捕捉许多既定的程式化的事实，以及在不同的时间范围内的经验分布的标度特性。
2011-03-09 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
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
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
On return-volatility correlation in financial dynamics
本文利用德国DAX指数和中国股指的日数据和分数据，研究了收益率与波动率的相关性如何在金融动力学中产生。基于延迟波动率模型，我们可以消除或生成时间序列的收益率-波动率相关性，而收益率的概率分布和波动率的长期时间相关性等其他特征，基本保持不变。这表明，金融市场的杠杆效应或反杠杆效应是一种反馈性的收益-波动相互作用，而不是波动的长期时间相关性和收益的非对称概率分布。此外，我们表明，大的波动率主导的金融动态的收益率波动相关性。
2012-02-02 physics.comp-ph q-fin.ST
Financial multifractality and its subtleties: an example of DAX
详细研究的多重分形特征的金融时间序列的资产价值和收益率进行了收集的高频Deutsche Aktienindex数据。尾部指数（$α$），Renyi指数的基础上的盒计数算法的图（$d_q$）和广义赫斯特指数（$H_q$）并行计算短期和每日返回时间。结果表明，股票市场动态的一个更复杂的性质，而不仅仅是一致的多重分形。
2002-05-23 cond-mat.stat-mech nlin.AO q-fin.ST
Emergence of time-horizon invariant correlation structure in financial returns by subtraction of the market mode
我们研究了资产收益相关矩阵中的一个结构的出现，因为计算收益的时间范围从分钟增加到每日规模。我们分析来自不同股票市场（纽约，巴黎，伦敦，米兰）的数据，并使用不同的方法。结果关键取决于数据是否仅限于市场的“内部”动态，即“质心”运动（市场模式）是否被去除。如果市场模式没有被删除，我们发现，结构出现，随着时间跨度的增加，从分裂一个单一的大集群。在纽约证券交易所，我们发现，当市场模式被删除，在每日规模的相关性结构已经很好地定义在5分钟的时间跨度，这一结构占80%的股票分类的经济部门。其他市场也有类似的结果，尽管没有那么明显。我们还发现，在隔夜收益率的相关性结构是显着不同的日内活动。
2007-02-13 physics.soc-ph q-fin.ST
Multifractality and long memory of a financial index
在本文中，我们将试图评估的多重分形显示的高频回报马德里的证券交易所IBEX 35指数。多重分形去趋势波动分析表明，该指数具有较宽的奇异谱，这很可能是由其长记忆性造成的。我们的研究结果还表明，这种长期记忆可以被认为是高频成分（与市场信息到达的每日周期有关）与缓慢变化的成分的叠加，这些成分在很长一段时间内产生反响，并且与人类经济周期没有明显的关系。因此，后一种成分被假定为市场动态的内生成分，也是通常与金融时间序列相关的某些程式化事实的最可能来源。
2013-06-03 q-fin.ST
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
Properties of low variability periods in financial time series
分析了时间序列中低变周期的性质。利用该理论方法研究了低变周期的多尺度性与时间序列的多亲和性之间的关系。结果表明，这种技术上简单的方法比传统的多仿射分析能够揭示更多的时间序列细节。我们已经将这种标度分析应用于金融时间序列：一些每日货币和股票指数时间序列。结果表明，不同的模型参数的良好的标度行为。对美元-欧元汇率高频数据的分析证实了理论预期。
2004-06-17 cond-mat.stat-mech q-fin.ST
Dependency Structure and Scaling Properties of Financial Time Series Are Related
我们报告的交叉相关性，层次属性和多重分形的纽约证券交易所每日股票收益率之间的深刻相互作用的证据。不同的股票所显示的多重分形的程度被发现是正相关的，他们在层次结构中的交叉相关性的深度。我们提出了一个动力学模型，再现这一观察以及其他经验性质的数组。该模型的结构是异质风险的层次结构在相关矩阵的时间演化中起着至关重要的作用，提供了一个解释的机制之间的相互作用和多重分形金融市场，其中股票的多重分形的程度与它们在交叉相关结构中的层次定位。本文的实证研究为金融时间序列的单变量多尺度特性和多变量互相关特性的融合提供了一个新的视角。
2013-09-10 q-fin.ST
Hitting Time Distributions in Financial Markets
我们分析了股票价格收益率在不同时间窗口的命中时间分布，其特征在于市场中存在不同程度的噪声。这项研究是根据美国市场的两组数据进行的。第一个是由1987-1998年12年期间的1071只股票的每日价格组成的，第二个是由1995-1998年4年期间的100只股票的高频数据组成的。我们比较了我们的实证分析所获得的概率分布与股票市场的演变从不同的模型。具体地说，通过集中在命中时间的统计特性，以达到一个障碍或给定的阈值，我们比较的概率密度函数（PDF）的三个模型，即几何布朗运动，Gestern模型和赫斯顿模型从真实的市场数据。我们也将介绍一个推广的赫斯顿模型的一些结果。
2006-08-19 physics.data-an physics.soc-ph q-fin.ST
Serial correlation and heterogeneous volatility in financial markets: beyond the LeBaron effect
本文研究了标准普尔500指数的收益率序列相关性与日内波动性之间的关系。在每日和每周的水平上，序列相关性和波动性是负相关的（LeBaron效应）。在确认LeBaron效应也在日内水平上成立的同时，我们超越了它，并补充了有效市场的菌丝（回报率）与异质市场的菌丝（波动性），我们测试了意外波动的影响，定义为波动性的一部分，无法预测，在时间序列中存在序列相关性。我们发现，意外波动，而不是正相关的日内序列相关性。
2008-10-27 physics.soc-ph q-fin.ST
News Cohesiveness: an Indicator of Systemic Risk in Financial Markets
受最近金融危机的影响，人们对金融市场的传染效应和羊群行为进行了大量的研究。关于金融新闻对金融市场的影响，人们说得更少。我们提出了一种新的衡量金融新闻在网络上的集体行为，新闻凝聚力指数（NCI），并表明它可以被用来作为一个系统性风险指标。我们从2011年10月到2013年7月每天评估来自大型网络新闻来源的金融文件的NCI，并分析金融市场和金融相关新闻之间的相互作用。我们假设，金融新闻的强凝聚力反映了金融市场的走势。凝聚力是对新闻中所表达的系统性风险的更普遍和更有力的衡量，而不是基于特定术语的简单出现的衡量。我们的研究结果表明，在金融新闻的凝聚力是高度相关的，并在金融市场的波动性驱动。
2014-02-14 cs.SI physics.soc-ph q-fin.ST
Hierarchical Structure in Financial Markets
我发现了一个拓扑安排的股票交易在金融市场，其中有关联的一个有意义的经济分类。拓扑空间是连接所分析的投资组合的股票的图。该图是从计算投资组合中所有股票对之间的相关系数矩阵出发，考虑每日股票价格对数之差的同步时间演化而得到的。与图相关联的次支配超度量空间的层次树提供了有用的信息，以调查的数量和性质的共同的经济因素影响的时间演变的对数定义良好的股票组的价格。
1998-02-24 cond-mat.dis-nn cond-mat.stat-mech q-fin.ST
Symmetry alteration of ensemble return distribution in crash and rally days of financial markets
我们选择在纽约证券交易所交易的$n$股票，并从股票价格时间序列中形成我们数据库中每个$k$交易日的每日股票收益的统计集合。我们研究了每个交易日的集合收益率分布，发现集合收益率分布的对称性在市场的崩溃和反弹日发生了剧烈的变化。我们将这些实证结果与基于单指数模型的数值模拟进行比较，得出结论，该模型无法解释极端日的市场行为。
2000-02-28 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
Empirical symptoms of catastrophic bifurcation transitions on financial markets: A phenomenological approach
这项工作的主要目的是证据的经验方法，灾难性的分叉故障或过渡，进行闪烁现象，是目前臭名昭著的重大和不可预测的金融市场。总的来说，在这项工作中，我们开发了各种指标与灾难性的分叉过渡，特别是灾难性的减速（类似于临界减速）。所有这些都是在一个明确定义的小、中、大资本化的金融市场的例子中考虑的。灾难性的分叉过渡似乎与金融市场是否存在预警信号的问题有关。这个问题继续吸引着研究界和公众。有趣的是，这种早期预警信号最近被确定并解释为在多个物理系统中观察到的灾难性分叉过渡现象的结果，例如在生态系统、气候动力学和医学（癫痫发作和哮喘发作）中。在目前的工作中，我们提供了一个类似的，积极的识别这种现象，通过检查其几个不同的指标在一个定义明确的日常泡沫的背景下，这种泡沫是由最近的全球金融危机引起的典型的金融市场的小型和中型到大型资本。
2014-02-17 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
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
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
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
The stabilizing effect of volatility in financial markets
在金融市场，更大的波动性通常被认为是更大的风险和不稳定的同义词。然而，市场的大起大落往往是在价格回报只有小幅波动的长时期之后。为了研究这个令人惊讶的特征，在这里我们建议使用平均首次命中时间，即股票收益率首次经历大的负或正变化的平均时间，作为价格稳定性的指标，并将其与波动性的标准度量相关联。在纽约证券交易所交易的$1071$股票的日收益率的实证分析中，我们发现，这种稳定性的措施显示非单调的行为，最大值，作为波动率的函数。此外，我们表明，经验数据的统计特性可以再现的非线性赫斯顿模型。这一分析意味着，与传统观点相反，不仅高波动性值，而且低波动性值都可能与金融市场的更高不稳定性相关。
2017-08-29 q-fin.ST
Modeling stylized facts for financial time series
为了模拟金融时间序列中收益率的经验行为，构造了收益率的多元概率密度函数。它们描述了高斯随机游走的既定偏差，例如收益率分布的近似标度和重尾，长期波动率-波动率相关性（波动率聚类）和收益率-波动率相关性（杠杆效应）。该模型成功地测试，以适应联合分布的100+年的每日价格回报的道琼斯30工业平均指数。
2004-11-03 cond-mat.other q-fin.ST
Network-centric indicators for fragility in global financial indices
在过去的二十年里，金融系统已经从复杂网络的角度进行了研究和分析，网络中的节点和边代表了各种金融成分以及它们之间的相关性。在这里，我们采用类似的基于网络的方法来分析2000-2014年期间65个国家的69个全球金融市场指数的每日收盘价。我们研究了指数之间的相关性，通过构建阈值网络叠加在最小生成树在不同的时间框架。我们通过对相关性进行静态和动态分析，研究了金融市场中的关键事件（崩溃和泡沫）对指数之间相互作用的影响。我们比较和对比这些网络在崩溃和泡沫时期的结构，相对于市场的正常时期。此外，我们研究了传统的市场指标，各种全球网络的措施和最近开发的基于边缘的曲率措施的时间演变。我们发现，网络为中心的措施，可以非常有用的监测全球金融市场指数的脆弱性。
2021-01-29 physics.soc-ph 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
Entropy-Based Financial Asset Pricing
我们研究熵作为金融风险的措施。与资本资产定价模型的贝塔参数相比，熵以更简单的方式解释了证券和投资组合的权益溢价，同时具有更高的解释力。对于资产定价，我们定义连续熵作为风险的替代度量。我们的研究结果表明，熵减少的证券数量的功能，在一个投资组合中的标准差类似的方式，有效的投资组合位于双曲线的预期收益率熵系统。在实证研究中，我们使用了150只随机选择的证券的27年的每日收益率。我们的回归结果表明，熵比资本资产定价模型beta对预期收益率有更高的解释力。此外，我们显示的时间变化的行为的beta随着熵。
2015-01-06 q-fin.PR q-fin.ST
Estimation of time-varying kernel densities and chronology of the impact of COVID-19 on financial markets
时变核密度估计依赖于两个自由参数：带宽和贴现因子。我们建议选择这些参数，以尽量减少与传统的概率密度预测的验证要求一致的标准。这些要求是所谓的概率积分变换的一致性和独立性，概率积分变换是应用于观测的预测时变累积分布。因此，我们建立了一个新的数值标准，结合均匀性和独立性的平均适应Kolmogorov-Smirnov统计。我们将此方法应用于COVID-19危机期间的金融市场。我们确定了几个股票指数的日价格收益率随时间变化的密度，并使用各种分歧的统计，我们能够描述危机的年表以及地区差别。例如，我们观察到COVID-19对中国金融市场的影响较为有限，对美国的影响较大，而欧洲的复苏则较为缓慢。
2022-03-18 q-fin.ST stat.ME
Financial LPPL Bubbles with Mean-Reverting Noise in the Frequency Domain
对数周期幂律（LPPL）是内生泡沫时期的资产价格模型。一个主要的开放问题是验证价格序列中LPPL的存在，并估计LPPL参数。每日LPPL回报通常比测量的价格回报小几个数量级，这表明噪声掩盖了潜在的LPPL动态，这使得估计变得复杂。然而，如果噪声是均值回复的，它将在随后的测量中迅速抵消。在本文中，我们试图通过利用LPPL和均值回归的频域特性来抑制价格序列中的均值回归噪声。首先，我们计算的频谱均值回复\ou噪声和噪声的参数设计估计。然后，我们推导出LPPL谱分解成它的两个主要特性的幂律和对数周期。我们比较了历史泡沫期间的价格谱和噪声谱。一般来说，噪音在低频也很强，即使LPPL是价格动态的基础，LPPL也会被噪音掩盖。
2011-01-30 q-fin.ST
Learning Financial Networks with High-frequency Trade Data
金融网络通常是通过对低频收集的基于价格的经济变量应用标准时间序列分析来估计的（例如，每日或每月的股票回报率或已实现波动率）。这些网络用于风险监测和研究金融市场的信息流动。高频率的日内交易数据集可以利用高分辨率信息，为网络联系提供更多的见解。然而，这样的数据集提出了重大的建模挑战，由于其异步性质，非线性动力学和非平稳性。为了应对这些挑战，我们使用随机森林来估计金融网络。我们的网络中的边缘是通过使用一家公司的微观结构措施来预测另一家公司的市场措施（已实现波动率或回报率峰度）的变化迹象来确定的。我们首先研究了2007年至2009年美国金融危机之前网络连通性的演变。我们发现，网络的密度在2007年最高，与2006年的雷曼兄弟公司的高度连接。对企业间联系性质的第二次分析表明，较大的企业往往比较小的企业提供更好的预测能力，这一发现与市场微观结构文献中以前的工作在质量上是一致的。
2022-08-06 q-fin.ST q-fin.TR
Learning low-frequency temporal patterns for quantitative trading
University of Cape Town（开普敦大学）
我们考虑了一个模块化的机械在线机器学习框架的可行性，以学习低频金融时间序列数据中的信号。该框架证明了每日采样收盘时间序列数据从JSE股票市场。输入模式是每日、每周和每月或每季度采样特征变化的预处理序列的向量。数据处理分为一个批处理步骤，其中通过无监督学习使用堆栈自动编码器学习特征，然后使用这些学习的特征进行批量和在线监督学习，输出是测量的时间序列特征波动的点预测。权重初始化是用受限玻尔兹曼机预训练和基于方差的初始化来实现的。然后使用在线前馈神经网络运行历史模拟，该网络使用来自批训练和验证步骤的权重进行初始化。结果的有效性被认为是在一个严格的评估回测过拟合使用组合对称交叉验证和概率和放气夏普比率。结果被用来发展的现象学的金融市场和价值的复杂的历史数据分析交易下的不稳定的自适应动态，使金融市场。
2020-08-12 cs.LG q-fin.ST
