Can One Make Any Crash Prediction in Finance Using the Local Hurst Exponent Idea?
我们将Hurst指数的概念应用于道琼斯指数时间序列数据的研究。分析了金融序列信号突变前局部Hurst指数的行为。的时间窗口的最佳长度,这个指数可以计算,以作出一些有意义的预测进行了讨论。我们的预测假说被验证的例子,'29和'87崩溃,以及最近的现象,股票市场从1995年至2003年期间,发现一些有趣的协议。
2003-11-27 cond-mat.dis-nn q-fin.ST
Why do Hurst exponents of traded value increase as the logarithm of company size?
股票市场数据中普遍行为的常见假设有时会导致错误的结论。在统计物理学中,表征长程相关性的赫斯特指数通常与普适指数密切相关。我们发现,在交易价值的时间序列的情况下,这些赫斯特指数随公司规模的增加而增加,因此是非普适的。此外,对于足够大的公司,平均交易规模与平均交易频率呈比例关系。我们提出了一个现象学的缩放框架,适当占这种依赖关系。
2006-03-13 physics.soc-ph q-fin.ST
Spectrum-based estimators of the bivariate Hurst exponent
我们引入两个新的估计的二元赫斯特指数在幂律互相关设置-交叉周期图和本地$X$ -惠特尔估计-作为推广的单变量对应。由于基于频谱的估计器依赖于估计过程中考虑的频谱的一部分,因此还提供了一个仿真研究,显示了在不同带宽参数下估计器的性能以及过程与其规格之间的相关性。新引入的估计量比已经存在的平均周期图估计量的偏差小,但是,它的方差略低。基于谱的估计器可以作为流行的时域估计器的一个很好的补充。
2014-11-21 physics.data-an 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
From rough to multifractal multidimensional volatility: A multidimensional Log S-fBM model
Université Paris-Dauphine PSL(巴黎第九大学);Université de Corse(科西嘉大学)
提出多维Log S-fBM模型,通过多维平稳分数布朗运动捕捉波动率的多重分形和粗糙行为,并开发了广义矩估计校准方法,在S&P 500市场数据中验证了模型的有效性。
2026-06-29 q-fin.ST
Rough volatility of Bitcoin
最近的研究发现,资产收益率的对数波动率表现出粗糙性。这项研究调查了比特币波动的粗糙度或反持续性。利用多重分形去趋势波动分析,得到了对数波动增量的广义赫斯特指数,发现广义赫斯特指数小于$1/2$,说明对数波动增量是粗糙的。此外,我们还发现广义赫斯特指数不是常数。这表明对数波动率具有多重分形性质。利用对数波动率增量的混洗时间序列,我们推断多重分形的部分来源于分布特性。
2019-04-28 q-fin.ST
Hurst Exponents For Short Time Series
提出了一种新的概念--扩散熵平衡估计量,用于检测短时间序列中的标度。通过大量的人工分数布朗运动验证了该方法的有效性。利用该方法对上海股票市场的股票价格序列进行了标度性和结构突变的检测。
2012-11-13 cond-mat.dis-nn physics.data-an q-fin.ST
A comparison among some Hurst exponent approaches to predict nascent bubbles in $500$ company stocks
在本文中,三种方法来计算自相似指数的时间序列进行了比较,以确定哪一个执行最好的识别从随机有效市场行为(EM)的过渡到羊群行为(HB),从而找出市场泡沫的开始。特别是,经典的去趋势波动分析(DFA),广义赫斯特指数(GHE)和GM 2(基于几何方法的算法之一)被应用于自相似指数计算的目的。传统上,研究人员一直专注于确定崩溃的开始。相反,我们更感兴趣的是确定从新兴市场到市场泡沫开始的过渡过程的开始,我们认为这可能更有趣。自相似性指数在这种情况下的相关性在于,它成为一个合适的指标,可以识别HB在金融市场的提高。总的来说,我们可以说,金融序列中的自相似指数越大,越有可能开始向HB过渡。这一事实通过实际的S\&P500股票来说明。
2016-01-16 math.DS q-fin.ST
Modeling and Forecasting Realized Volatility with Multivariate Fractional Brownian Motion
Faculty of Mathematics and Computer Science, University of Würzburg(维尔茨堡大学数学与计算机科学学院);Faculty of Business Administration, University of Macau(澳门大学商学院);Lingnan College, Sun Yat-sen University(中山大学岭南学院)
该研究采用多元分数布朗运动(mfBm)建模预测已实现波动率(RV),提出参数估计方法与时间可逆性检验,推导最优预测公式,实证显示mfBm预测表现优于HAR及其变体。
2026-08-21 q-fin.ST
Market efficiency, liquidity, and multifractality of Bitcoin: A dynamic study
这封信研究了比特币的市场有效性、流动性和多重分形之间的动态关系。我们发现,2013年之前,比特币的流动性较低,赫斯特指数小于0.5,表明比特币的时间序列具有反持续性。2013年以后,随着流动性的增加,赫斯特指数上升到0.5左右,提高了市场有效性。然而,对于几个时期,发现赫斯特指数显著小于0.5,使得这些时期的时间序列具有反持续性。我们还利用广义赫斯特指数研究了比特币时间序列的多重分形度,发现多重分形度与市场有效性呈非线性关系。
2019-02-25 physics.data-an q-fin.ST
Dynamical Characteristics of Global Stock Markets Based on Time Dependent Tsallis Non-Extensive Statistics and Generalized Hurst Exponents
我们使用时间相关的扩展Tsallis统计量对股票市场指数进行非线性分析。具体来说,我们评估的q-三元组特定的时间段的目的是展示的时间依赖性的基础市场动态的扩展特征。我们对全球四个主要市场(S&P 500,东京-日经,法兰克福-DAX,伦敦-LSE)的每日收盘价格时间序列进行了分析。为了比较,我们还计算时间相关的广义赫斯特指数(GHE)Hq使用GHE方法,从而估计指数动态的多尺度特性的时间演化。我们专注于关键市场事件之前和之后的时期,如股票市场泡沫(2000年dot.com泡沫,日本1990年泡沫,2008年美国不动产危机),并发现q三重值的时间趋势在这些时期之间显着不同,表明在泡沫破裂前的上升期,市场动态的基本扩展统计数据强烈偏离纯粹的随机行为,而在破裂后,它逐渐收敛到高斯型行为,这是有效市场的特征。我们还得出结论,Tsallis q-三联体的相对时间变化模式可以连接到市场动态的不同方面,并揭示了有用的信息,特别是那些潜在的发展的股票市场泡沫的市场条件。我们发现了q三元组中指数相对变化的特定时间模式和趋势,这些模式和趋势区分了股市泡沫破裂之前和之后的时期。内生和外生股票市场危机之间的差异也被Tsallis q三元组的时间变化所捕获。最后,我们介绍了两个新的时间依赖性的经验度量(Q度量)的Tsallis q-三元组的功能。
2021-04-07 q-fin.ST
Multifractal Measures for the Yen-Dollar Exchange Rate
本文利用金融市场中的重标极差分析方法研究了日元兑美元汇率的动态行为。研究发现,日元兑美元汇率的多重分形Hurst指数具有短期和长期记忆效应。在特征时间尺度上,赫斯特指数存在一次交叉,而国债期货不存在交叉。特别地,日元对美元汇率的概率分布与韩元对美元汇率的概率分布类似,具有洛伦兹分布的一种形式,而不是厚尾性。
2004-05-09 cond-mat.stat-mech q-fin.ST
Multiscaling and rough volatility: an empirical investigation
衍生品的定价可以追溯到著名的布莱克和斯科尔斯模型。然而,这样的建模方法是众所周知的,不能重现一些金融程式化的事实,包括波动的动态。因此,在金融数学领域,出现了一种新的范式--粗糙波动率模型,它将金融资产的波动动态表示为赫斯特指数很小的分数布朗运动,从而产生粗糙路径。与此同时,价格的时间序列已被证明是多尺度的,其特征在于不同的赫斯特标度指数。本文评估的相互作用,如果存在的话,价格多尺度和波动粗糙度,定义为(低)赫斯特指数的波动过程。特别是,我们进行了广泛的模拟实验,通过使用一个领先的粗糙波动率模型在文献中,粗糙Bergomi模型。为了检验粗波动率模型是否再现了相同的关系,还进行了真实数据分析。我们发现,该模型能够再现价格的时间序列的多尺度特性时,使用较低的值的赫斯特指数,但它不能再现真实数据说。事实上,我们发现价格的多尺度和波动过程的赫斯特指数之间的依赖关系与我们在真实数据中发现的完全相反,即两者之间的负相互作用。
2022-01-25 q-fin.RM q-fin.ST
Rough fractional diffusions as scaling limits of nearly unstable heavy tailed Hawkes processes
研究了Hawkes过程的渐近行为,其回归核的$L^1$范数接近于1,尾的形式为$x^{-(1+α)}$,其中$α\in(0,1)$ .特别证明了当$α\in(1/2,1)$,经过适当的重标度后,它们的律收敛于一类积分分数Cox-Ingersoll-Ross过程的律,并带有相应的Hurst参数$H=α-1/2$ .这一结果与经典的布朗CIR过程在极限处得到的具有轻尾的回归核的情况相反。有趣的是,它表明在点过程的持久性属性可以导致一个不规则的行为的限制过程。这一理论结果使我们能够提供一个基于代理的基础,一些最近的研究结果,在金融市场波动的粗糙性质。
2015-04-13 math.PR q-fin.ST q-fin.TR
Multi-scaling of wholesale electricity prices
我们实证分析了北美两个批发电力市场的电价时间序列中最不稳定的成分。我们发现,这些时间序列表现出的波动是不描述的布朗运动,因为它们显示多尺度,高赫斯特指数和急剧的价格变动。我们使用广义赫斯特指数(GHE,$H(q)$)来表明,尽管这些时间序列具有很强的周期性成分,但波动表现出持久的行为,即,$H(q)>0.5$。我们调查的有效性GHE作为一个简单的线性预测模型中的预测工具,并研究预测误差作为$H(q)$的函数,与$q=1$和$q=2$。我们的研究结果表明,GHE可以作为预测工具,这些时间序列时,赫斯特指数动态评估滚动时间窗口大小$\approx 50 - 100$小时。这些结果也比较的情况下,其中的周期性成分已被从时间序列中减去,显示的重要性,周期性的预测能力的赫斯特指数。
2015-07-21 cond-mat.stat-mech physics.soc-ph q-fin.ST
Stock price fluctuations and the mimetic behaviors of traders
给出了一个连续双向拍卖驱动的股票市场随机微观模型。如果我们考虑到交易者的模仿行为,当他们下限价单时,我们的虚拟市场表现出指数在Levy稳定区域之外的收益率分布的幂律尾,收益率的短记忆和波动率的长记忆。我们的模型的Hurst指数是渐近的1/2。的自相关函数,这是负责的赫斯特指数的值的配置文件也给出了一个解释。
2006-11-09 physics.comp-ph q-fin.ST
Some stylized facts of the Bitcoin market
近年来,出现了一种新型的可交易资产,通常被称为加密货币。其中,传播最广的是比特币。鉴于其新颖性,本文研究了比特币市场的一些统计特性。这项研究比较了比特币和标准货币的动态,并重点分析了不同时间尺度下的回报。我们使用来自一个比特币平台的交易数据,在2011年至2017年的回报时间序列中测试了长记忆的存在。我们计算的赫斯特指数的去趋势波动分析方法的装置,使用滑动窗口,以衡量长期的依赖性。我们发现,赫斯特指数在比特币存在的最初几年发生了显著变化,最近趋于稳定。此外,多尺度分析显示了类似的行为的赫斯特指数,这意味着一个自相似的过程。
2017-08-12 q-fin.GN 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
Long-range correlations and nonstationarity in the Brazilian stock market
我们报告的圣保罗证券交易所的Ibovespa指数的实证研究中,我们发现存在的长期相关性。为了分析我们的数据,我们引入了通常的去趋势波动分析的一个重新缩放的变体,它允许我们通过一个参数拟合来获得赫斯特指数。我们还使用三年移动时间窗计算了与时间相关的赫斯特指数H(t)。特别是,我们发现,在1990年推出科勒计划之前,曲线H(t)通常保持在1/2以上,而之后则保持在1/2附近。因此,我们认为,由科勒计划掀起的结构性改革,导致在巴西更有效的股票市场。我们还建议,时间依赖性的Ibovespa赫斯特指数可以描述在一个multifractional布朗运动。
2003-02-17 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
Decomposing Intraday Dependence in Currency Markets: Evidence from the AUD/USD Spot Market
当地的赫斯特指数,一个措施,用于检测存在的依赖性在时间序列,也可以用来调查的来源,在外汇市场的回报观察到的日内变化。考虑到局部赫斯特指数的变化可能是由于时变范围或标准差或这两者同时引起的,分别记录和分析范围、标准差和局部赫斯特指数的值。为了说明这种方法,现货澳元/美元的高频数据集提供了24小时交易日内回报分布的证据,其随时间变化的依赖性和波动性与市场的开盘和收盘明显一致。这种变化归因于流动性的影响和交易商的价格发现行为。
2004-12-17 math.ST q-fin.ST stat.TH
Long vs Short Time Scales: the Rough Dilemma and Beyond
使用一个大型数据集的主要外汇汇率,我们测试的鲁棒性粗糙分数波动率模型在不同的时间尺度,包括平滑和测量误差的分析。我们的研究结果导致新的程式化的事实,在对数-对数图的二阶矩实现方差增量对滞后表现出一定的凸性,除了粗糙度和平稳性的波动。在小尺度下感知到的非常低的赫斯特指数与粗略的框架一致,而在较大尺度下感知到的较高的赫斯特指数导致迄今为止引入的模型尚未描述的双对数图的非线性行为。
2021-11-08 q-fin.MF q-fin.ST
Heavy tailed distributions in closing auctions
我们研究了流动性欧洲股票样本的收盘拍卖收益率分布的尾部。我们使用Derksen等人(2020 a)的随机呼叫拍卖模型,推导出限价订单配置分布的尾部指数与最终收盘拍卖收益分布的尾部指数之间的关系,并实证验证了这一关系。与直觉相反,收盘价的大幅波动通常不是由大的市价订单引起的,相反,当市价订单被移除时,尾部变得更重。该模型解释了这一点的观察,限价订单提交,以对付现有的市价订单的不平衡。
2020-12-18 q-fin.ST q-fin.TR
The bounds of heavy-tailed return distributions in evolving complex networks
我们考虑的无标度网络的演变,根据优先连接计划,并显示的条件下,指数表征度分布的上限和下限值的范围。我们的框架是一个代理模型,在经济网络的贸易,这表明出现的关键行为的背景下。从一个简短的讨论的主要特征的不断发展的网络的行业,我们表明,对数收益率分布有界重尾,相应的边界指数值可以推导出来。最后,我们讨论了模型风险的背景下,这些发现。
2013-01-03 q-fin.RM q-fin.ST
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。
2016-05-21 q-fin.GN q-fin.ST
Detecting subtle effects of persistence in the stock market dynamics
传统的形式化工具来检测金融持续性的影响是在Hurst指数。一个典型的相应结果是,它的值接近0.5,这是几何布朗运动的特征,根据市场和所涉及的时间尺度,在任何方向上最多与这个值有很小的偏差。我们研究了美国和德国股票市场的高频价格变化。对于两个相应的指数,道琼斯指数和DAX指数,赫斯特指数分析的结果接近0.5。然而,通过将市场动态分解为成对的步骤,使得一个基本的向上(向下)移动之后是另一个向上(向下)移动,并明确计算由此产生的条件概率,我们发现值通常接近60%。这种持久性的影响在1到3分钟的短时间尺度上特别明显,在较大的时间尺度上逐渐减少到50%,甚至显著低于这个值。我们还检测到一些不对称的持久性有关的移动向上和向下,分别。这表明了金融持续性的微妙性质,其特征在传统的赫斯特指数形式主义中逃脱了检测。
2005-04-22 cond-mat.stat-mech physics.data-an physics.soc-ph
Size matters: some stylized facts of the stock market revisited
我们重新分析了纽约证券交易所的高分辨率数据,发现每笔交易的平均值、每分钟交易的平均数和公司资本化的平均交易活动呈单调(但不是幂律)变化。我们证明了交易价值分布的二阶矩是有限的。因此,可以计算相应时间序列的赫斯特指数。然而,这些都是不普遍的:持续性随着资本化的增加而增加,这导致赫斯特指数的增加。跨行业时间间隔也显示出类似的趋势。最后,我们证明,分布的intertrade时间是更好地描述了一个多尺度anastomotive比简单的差距缩放。
2006-05-17 cond-mat.stat-mech physics.soc-ph q-fin.ST