Is the Indian Stock Market efficient - A comprehensive study of Bombay Stock Exchange Indices
投资者如何在市场上投资在很大程度上受市场有效性的影响，因为如果市场是有效的，就很难获得超额回报，因为在一个有效的市场中，不会有被低估的证券，即价值低于其假定内在价值的证券，这些证券提供的回报高于其风险应得的预期收益率。然而，如果市场没有效率，就有可能获得超额回报。本文分析了BSE的五个主要股票指数。这不仅将测试印度股票市场的效率，也将测试股票市场的随机游走性质。本文的研究为印度股票市场的低效率形式提供了有力的证据。研究发现，印度股票市场的股票指数序列是有偏的随机时间序列，随机游走模型不能应用于印度股票市场。本研究证实，有一个漂移的市场有效性和投资者可以利用这一点，正确选择的证券被低估。
2015-10-10 q-fin.ST
The Relationship Between Stock Market Parameters and Interbank Lending Market: an Empirical Evidence
本文提出的计算证明了早期推导出的银行间信贷市场利率、投资量和证券交易所可交易证券量之间的理论关系的实际重要性。
2013-09-23 q-fin.ST
On the short-term influence of oil price changes on stock markets in GCC countries: linear and nonlinear analyses
本文研究了石油价格和海湾合作委员会股票市场之间的短期关系。由于海湾合作委员会国家是世界能源市场的主要参与者，它们的股票市场可能容易受到石油价格冲击的影响。为了解释股票市场对石油价格冲击的非线性反应，我们研究了线性和非线性关系。我们的研究结果表明，在卡塔尔、阿曼和阿联酋，这两个变量之间存在显著联系。因此，这些国家的股票市场对油价上涨作出积极反应。对于巴林、科威特和沙特阿拉伯，我们发现油价变化不会影响股票市场回报。
2009-05-24 q-fin.ST
Universal Lévy's stable law of stock market and its characterization
金融市场中的价格波动可以用Lévy稳定分布来描述，它得到了广义中心极限系统的支持。当对四个不同股票市场的长期稳定参数进行估计时，它们同样显示出唯一的值。另一方面，从短期来看，各参数与股票价格的波动具有相关性，说明股票市场是不稳定的。
2018-02-20 q-fin.ST
Stock market integration in the Latin American markets: further evidence from nonlinear modeling
本文在一个非线性框架下研究了拉美六大市场与美国市场的金融一体化。使用Hansen和Seo（2002）的阈值协整技术，我们发现墨西哥、智利和美国之间存在显著的阈值股票市场联系。因此，这些市场的动态同时取决于当地和全球风险因素。更重要的是，我们的研究结果表明，只有当股票价格调整超过一定水平时，才会激活一个开关阈值的金融整合过程。
2009-05-24 q-fin.ST
The Local Fractal Properties of the Financial Time Series on the Polish Stock Exchange Market
我们研究的基础上的华沙证券交易所指数（WIG）的演变与最大的发展中金融市场在欧洲的金融时间序列的局部分形性质。计算WIG时间序列的局部赫斯特指数，我们发现WIG时间序列的局部分形特性的行为和金融市场上的崩溃外观之间的一个有趣的依赖关系。
2007-08-02 cs.CE physics.data-an q-fin.ST
Time-varying return predictability in the Chinese stock market
中国的股票市场是全球最大的新兴市场。中国股票市场是一个非有效的市场，具有可能的线性和非线性相关性。本文采用自举方差比检验和广义谱检验对中国股票市场收益率的可预测性进行了研究。我们发现，收益的可预测性随时间而变化，并观察到显着的收益可预测性周围的市场动荡。我们的研究结果与适应性市场假说相一致，并对市场参与者具有实际意义。
2016-11-13 q-fin.ST
BERTopic-Driven Stock Market Predictions: Unraveling Sentiment Insights
Computer and Information Science FST（科技学院计算机与信息科学系）
本文提出利用BERTopic从股市评论中提取主题情感，并将其与深度学习模型结合以提升股票价格预测性能，验证了主题情感对市场波动和价格趋势的隐含价值。
2024-04-04 cs.CE cs.CL q-fin.ST
The market efficiency in the stock markets
我们研究的时间演变的市场效率在股票市场上使用的复杂性，熵密度，标准差，自相关函数，和概率分布的标准普尔500（S&P 500），日经股票平均指数，韩国成分股票价格指数（KOSPI）的对数收益率。基于微观自旋模型，我们还发现股票市场的这些统计量依赖于市场有效性。
2007-01-31 physics.soc-ph q-fin.ST
Multiple-output support vector regression with a firefly algorithm for interval-valued stock price index forecasting
股票价格指数的高度准确的区间预测是在做出投资决策时成功获利的基础，它提供了一系列的值，而不是一个点估计。在这项研究中，我们研究的可能性，预测一个区间值的股票价格指数序列在短期和长期的视野，使用多输出支持向量回归（MSVR）。此外，本研究提出了一种萤火虫算法（FA）为基础的方法，建立在已建立的MSVR，用于确定参数的MSVR（简称FA-MSVR）。三个全球交易的广泛的市场指数被用来比较所提出的FA-MSVR方法与选定的同行的性能。定量和全面的评估是在统计标准，经济标准和计算成本的基础上进行的。在统计准则方面，我们比较了样本外预测的预测优度的措施和测试方法。在经济标准方面，我们用一个简单的交易策略来评估相对的预测表现。在这项研究中得到的结果表明，建议FA-MSVR方法是一个很有前途的替代预测区间值金融时间序列。
2014-01-09 cs.CE cs.LG q-fin.ST
The effect of a market factor on information flow between stocks using minimal spanning tree
我们实证研究了市场因素对股票之间N（N-1）/2关联关系所产生的信息流的影响。我们还研究了采用最小生成树（MST）方法的可能性，该方法能够将链路数减少到N-1。我们确定市场因素对于股票之间的信息流动具有重要的信息价值。此外，股票之间的信息流也随着市场状况的变化而呈现出时变的特征。我们特别注意到，在市场危机期间，信息流动急剧增加。最后，我们证实，通过MST方法，可以有效地评估股票之间的信息流，从整体市场的角度减少股票之间的所有环节之间的联系关系。
2009-05-13 q-fin.ST
Collective behavior of stock prices as a precursor to market crash
2008年10月，雷曼兄弟公司破产3周后，全球各主要证券交易所发生了全球性的股市崩盘。9月15日。本文以伦敦证券交易所上市的富时100指数成分股为研究对象，考察了股票收益率的集体行为，并分析了整个市场的集体模式。在市场崩溃之前，观察到集体行为的急剧上升。它被证明与包括“金融危机”在内的新闻有关。“它们并没有单独严重影响股价，但它们加剧了股票市场参与者普遍存在的悲观情绪。在雷曼兄弟（Lehman）冲击之后，市场崩盘之前，此类消息有所增加。方差随着新闻量的增加而增加，并遵循幂律。
2011-11-20 q-fin.ST
Application Research of Spline Interpolation and ARIMA in the Field of Stock Market Forecasting
针对ARIMA模型在数据缺口或显著噪声下预测性能受限的问题，本文结合三次样条插值方法构建了时间序列预测模型，验证了其在股市短期预测中的指导与参考价值。
2023-11-14 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
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
Effectiveness of Artificial Intelligence in Stock Market Prediction based on Machine Learning
本文试图解决利用人工智能（AI）策略进行股票市场预测的问题。股票市场的预测可以根据两个主要的分析建模，称为技术和基本面。在技术分析方法中，采用回归机器学习（ML）算法，根据历史价格数据预测营业日结束时的股票价格趋势。与此相反，在基本面分析中，分类ML算法被应用于基于新闻和社交媒体的公众情绪分类。在技术分析中，历史价格数据来自雅虎财经，在基本面分析中，Twitter上与股票市场相关的公共推文被调查，以评估情绪对股票市场预测的影响。结果显示了中等的表现，这意味着在目前的人工智能技术下，声称人工智能可以击败股票市场还为时过早。
2021-06-30 q-fin.ST
Nonuniversal distributions of stock returns in an emerging market
有充分的证据表明，成熟市场股票收益率的概率分布呈现幂律尾，正尾和负尾都符合逆三次律。它支持的可能性，尾部指数是普遍的，至少在这个意义上，他们不依赖于股票市场，行业部门，和市价总值的成熟市场。本文以中国股票市场为研究对象，研究了中国股票市场A股的一分钟内收益率分布。我们发现收益率可以很好地拟合$q$ -高斯分布，尾部具有幂律松弛，指数在$α=3$附近波动，并且远远超出了个股的Lévy稳定区域。我们提供了统计上显著的证据表明，指数随换手率的增加而递减，随市价总值的增加而递增，并且发现市价总值比换手率对尾部指数的影响更大。研究结果表明，新兴股票市场的日内收益率分布并不普遍。
2010-03-31 q-fin.ST
Stock Price Forecasting in Presence of Covid-19 Pandemic and Evaluating Performances of Machine Learning Models for Time-Series Forecasting
随着2019冠状病毒病疫情期间股价波动加剧，对价格预测的需求变得更加迫切。我们研究了四个模型，包括长期-短期记忆，XGBoost，自回归和最后价值对Facebook，亚马逊，特斯拉，谷歌和苹果股票价格在COVID-19大流行时期的预测性能，以了解模型在这个高度波动的时间区域的准确性和可预测性。为了训练模型，所有股票的数据被分成训练和测试数据集。测试数据集自二零二零年一月至二零二一年四月，涵盖COVID-19疫情期间。研究结果表明，由于前一天的股价与第二天的股价具有较强的相关性，自回归模型和最后值模型对股票价格的预测具有较高的准确性。此外，结果表明，当市场经历高波动时，机器学习模型（长短期记忆和XGBoost）的表现不如自回归模型。
2021-05-04 econ.EM q-fin.ST
Cross-correlation asymmetries and causal relationships between stock and market risk
我们研究了美国股票市场中个股风险（每日股票收益的波动性）和市场风险（市场代表性投资组合每日收益的波动性）之间的历史相关性和领先滞后关系。我们考虑所有股票的平均互相关函数，使用1994- 2013年标准普尔500指数中的71只股票价格。我们关注的行为的交叉相关性在金融危机的时候，市场波动性的显着跳跃。观察到的历史动态表明，在2002年美国股票市场低迷期间和2007年美国房地产泡沫之后，风险之间的相关性几乎是线性的，直到2013年一直保持在这一水平。此外，平均互相关函数往往有一个不对称的形状相对于零滞后在高相关性的时期。我们开发的线性响应形式主义的应用程序来研究潜在的因果关系的分析。计算出的响应函数表明，存在的特征制度附近的金融崩溃，当一个单独的股票的波动性如下的市场波动性，反之亦然。
2014-07-25 q-fin.ST
ANN Model to Predict Stock Prices at Stock Exchange Markets
University of Nairobi（内罗毕大学）
证券交易所被认为是许多国家金融部门的主要参与者。大多数从事股票交易的股票经纪人都使用技术、基本面或时间序列分析来预测股票价格，以便为客户提供建议。然而，这些策略通常并不能保证良好的回报，因为它们是根据趋势而不是最有可能的价格来指导的。因此，有必要探索改进的预测方法。该研究提出了使用人工神经网络，即具有误差反向传播的前馈多层感知器，并开发了一个配置为5：21：21：1的模型，在130，000个周期中具有80%的训练数据。该研究开发了一个原型，并在内罗毕证券交易所和纽约证券交易所等股票市场2008-2012年的数据上进行了测试，预测结果显示MAPE在0.71%和2.77%之间。使用Encog和Neuroph进行的验证实现了相当的结果。因此，该模型能够对典型的股票市场进行预测。
2014-12-17 cs.CE cs.LG cs.NE
Statistical Properties and Pre-hit Dynamics of Price Limit Hits in the Chinese Stock Markets
一些股票市场（尤其是新兴市场）采用涨跌停板交易规则，试图冷却交易员对个股的短线交易狂热，提高市场有效性。在这种微观结构下，股票可能会不时触及涨停板和跌停板。然而，由于美国市场和大多数欧洲市场等主要股票市场没有设置价格限制，因此对价格限制的行为没有很好的研究。本文对2000 - 2011年上海证券交易所和深圳证券交易所所有A股普通股的高频数据进行了详细的分析，研究了涨停板的统计特性以及几个重要金融变量在股价涨停板前的动态演化。我们比较了上限命中和下限命中的性质。我们还将整个时期分为三个看涨时期和三个看跌时期，以揭示看涨和看跌市场状态下可能存在的差异。为了揭示股票市值对涨停板的影响，我们根据不同交易日的市值将所有股票分为六个投资组合。研究发现，涨跌幅限制交易规则具有冷却效应（反对磁铁效应），说明该规则在中国股票市场中有效。研究发现，在跌停后的下一个交易日，价格延续比价格反转更有可能发生，特别是对于跌停，这对市场从业者具有潜在的实用价值。
2015-03-12 q-fin.ST
Realizing stock market crashes: stochastic cusp catastrophe model of returns under the time-varying volatility
本文提出了一个两步估计方法，使我们能够应用突变理论的股票市场收益率随时间变化的波动和模型股票市场崩溃。利用高频数据，我们估计每日的已实现波动率的收益率在第一步和使用随机尖点突变的数据归一化的估计波动率在第二步中，研究可能的不连续性的市场。我们通过模拟来支持我们的方法，我们还讨论了随机噪声和波动在确定性尖点突变模型中的重要性。该方法是在美国股票市场近27年的演变，包括几个重要的衰退和危机时期的经验测试。由于样本周期很长，我们还开发了一个滚动估计方法，我们发现，虽然在前半期股票市场表现出分叉的迹象，在后半期的突变理论是无法证实这种行为。结果表明，所提出的方法提供了一个重要的转变，应用突变理论的股票市场。
2013-05-22 q-fin.ST
Stock market as temporal network
金融网络在描述复杂金融系统的结构方面非常有用。同时，股票市场的时间演化特性可以用时间网络来描述。我们利用时间网络框架来描述股票市场的时间演化相关网络。通过金融网络拓扑结构的演化可以检测出市场的不稳定性。我们采用时间中心性作为投资组合选择工具。在不同的投资组合优化方案下，由时间中心性分数较低的外围股票组成的投资组合表现出较好的一致性，表明时间中心性度量可以作为新的投资组合优化和风险管理工具。我们的研究结果揭示了股票市场的时间属性的重要性，这在现实生活中的应用，应该认真考虑。
2017-12-13 q-fin.ST
A Map of the Brazilian Stock Market
我们使用股票收益的相关矩阵来创建巴西主要证券交易所圣保罗证券交易所（BM&F-Bovespa）的地图。以2010年的数据为例，根据股票收益率之间的相关性，构造了一个最小生成树和具有不同阈值的资产图。使用网络理论的技术的结果进行了分析。
2013-03-28 q-fin.ST
Stock markets are not what we think they are: the key roles of cross-ownership and corporate treasury stock
我们描述并记录了公司可以影响甚至控制股票价格的三种机制。(i)母公司和控股公司对其他上市公司行使控制权。(ii)通过基于回购计划和股票发行的库存股票的巧妙管理，股票价格波动可以被放大或抑制。(iii)最后，历史表明，股票价格水平与并购活动之间存在密切的相互依赖关系。大公司的董事会主导市场的这种观点为在股票市场中观察到的所谓“羊群行为”提供了一种自然的解释。传统观点认为，通过推动利润预期，公司在塑造市场方面发挥了间接作用。在本文中，我们认为，在过去的几十年里，他们越来越成为股票市场的直接推动力。
2004-06-29 cond-mat.other q-fin.ST
The Effects of Market Properties on Portfolio Diversification in the Korean and Japanese Stock Markets
在本研究中，我们实证研究了市场属性对投资组合中股票投资权重分散程度的影响。投资组合中股票的权重是根据马科维茨的投资组合理论确定的。我们发现，有一个负的关系之间的影响，市场属性和投资组合中的股票之间的权重的多样化程度。此外，我们注意到随机矩阵理论方法可以控制股票之间的相关矩阵的性质，这可能有助于改善投资组合管理的实际应用。
2009-02-23 q-fin.PM q-fin.ST
REST: Relational Event-driven Stock Trend Forecasting
School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院）；Microsoft Research Asia（微软亚洲研究院）；School of Artificial Intelligence, Sun Yat-sen University（中山大学人工智能学院）
股票趋势预测是为了预测股票未来的走势，是投资者从股票市场中寻求最大利润的关键。近年来，许多事件驱动方法利用从新闻、社交媒体和讨论板中提取的事件来预测股票趋势。然而，现有的事件驱动方法存在两个主要缺点：1）忽视了因股票依赖性而区分的事件信息的影响; 2）忽视了其他相关股票的事件信息的影响。本文提出了一种基于关系事件驱动的股票趋势预测框架，可以解决现有方法的不足。为了弥补第一个缺点，我们建议对股票上下文进行建模，并学习不同上下文下事件信息对股票的影响。为了解决第二个缺点，我们构造了一个股票图，并设计了一个新的传播层来传播相关股票的事件信息的影响。对真实数据的实验研究表明了该框架的有效性。投资模拟的结果表明，我们的框架可以实现比基线更高的投资回报率。
2021-02-19 cs.LG q-fin.ST
Stylized facts of the Indian Stock Market
本文通过分析NIFTY指数50只成分股11年日度数据，发现印度市场在杠杆、非对称性和自相关性上异于其他市场，杠杆与非对称反转使市场更具投资价值，显著自相关虽表明市场无效但利于投资者预测。
2019-03-13 q-fin.ST
Bayesian Forecasting of Stock Returns on the JSE using Simultaneous Graphical Dynamic Linear Models
本文采用 SGDLMs 对 JSE 的40维股票收益时间序列建模，通过逐序列 DLM、重要性采样重耦合与平均场变分贝叶斯解耦捕捉跨序列依赖，实现准确且能响应市场波动的预测。
2023-07-07 q-fin.ST
An End-to-End Structure with Novel Position Mechanism and Improved EMD for Stock Forecasting
School of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机与软件学院）
针对现有股票走势预测研究忽略市场整体信息与数据高噪声的问题，提出融合市场与个股信息的注意力机制方法及改进EMD降噪算法，在美股ETF数据上表现优于现有基线。
2024-03-25 cs.AI cs.LG q-fin.ST
Multidimensional Analysis of Monthly Stock Market Returns
本研究考察了土耳其和美国股票市场指数的月度回报率，以调查这些市场在日历年的某些月份是否经历了异常回报。本研究使用的数据包括1996年1月至2014年8月期间的212次观测。我应用统计汇总分析，分解技术，虚拟变量估计和二元逻辑回归来检查月度市场异常。本文中使用的多维方法表明，对月收益率有效市场假说的证据不足。虽然有些月份往往会出现异常收益，但所应用的方法并没有绝对的一致性。尽管如此，在4月份出现正回报后，5月份对土耳其股市的影响明显负面。两个市场的股票在12月都趋于看涨，但我们没有观察到1月的显著影响。
2020-03-12 q-fin.ST
The 'COVID' Crash of the 2020 U.S. Stock Market
我们采用对数周期幂律奇点（LPPLS）方法，通过美国四个主要股票市场指数，包括威尔希尔5000总市场指数，标准普尔500指数，标准普尔中型股400指数和罗素2000指数，系统地研究了不同总市价总值水平的美国股票部门的2020年股票市场崩盘，分别代表股票整体，大盘股，中盘股和小盘股。在2020年美国股票市场崩盘期间，四个指数在五周内的价值都损失了三分之一以上，而无论是中盘股还是小盘股，其损失都远大于大盘股和股票整体。我们的研究结果表明，2020年股票市场崩盘前，这四个股票市场指数的价格轨迹明显具有明显的LPPLS泡沫模式，确实处于正泡沫状态。与普遍认为COVID-19导致2020年股票市场崩盘的观点相反，2020年美国股票市场崩盘是内生性的，源于股票市场本身日益严重的系统性不稳定。我们还对2020年美国股票市场崩盘进行了补充性的事后分析。我们的分析表明，2020年美国股票市场崩盘源于早在2018年9月就开始形成的泡沫;而不同总市价总值水平的股票的泡沫具有显著不同的起始时间轮廓。这项研究不仅为2020年美国股票市场崩盘的形成提供了新的线索，而且为未来任何金融市场和/或经济指数的实时崩溃检测和机制解剖创造了一个新的管道。
2021-01-10 econ.GN q-fin.EC q-fin.RM
Risk-dependent centrality in the Brazilian stock market
本文的目的是计算巴西股票市场的风险依赖中心性。我们计算了2008年1月至2020年6月在巴西股票市场交易的资产在不同外部风险水平下的RDC。我们观察到，基于RDC的资产排名取决于外部风险。排名的波动性与危机事件有关，反映了最近的巴西经济政治危机。此外，我们还发现基于RDC的资产排名的平均波动率与股票市场的平均日收益率之间存在负相关关系。这与危机时期排名波动性更大的假设是一致的。
2021-03-10 q-fin.ST
Deterministic Factors of Stock Networks based on Cross-correlation in Financial Market
已知股票市场根据影响单个股票的共同经济因素形成同质股票组，其中不同股票之间具有较高的相关性。利用反映共同经济因素本质属性的套利定价模型，研究了市场中共同经济因素在股票网络形成中的作用。我们发现，真实和模型股票网络之间的一致性程度增加额外的共同经济因素纳入我们的模型。此外，我们发现，与网络中的其他股票有大量联系的个股与共同经济因素的相关性比那些有少量联系的个股更高。这表明，股票市场中常见的经济因素可以用确定性因素来理解。
2007-05-01 physics.data-an q-fin.ST
Application of Machine Learning in Stock Market Forecasting: A Case Study of Disney Stock
该研究以迪士尼股票为案例，基于750条记录和16项属性完成EDA、特征工程、数据准备与模型比较，并结合Fama French三因子模型，发现线性回归表现最佳。
2023-12-31 cs.LG q-fin.ST stat.AP
Quantile Dependence between Stock Markets and its Application in Volatility Forecasting
本文研究了国际股票市场之间的分位数依赖性，并评估其用于改善波动性预测。首先，我们分析了美国股票市场与英国、德国、法国和日本股票市场之间的分位数依赖和方向可预测性。我们使用交叉分位数图，这是分位数命中过程的相关统计。股票市场之间的详细相关性取决于特定的分位数范围，这种相关性通常是不对称的;负溢出效应强于正溢出效应，从美国市场到英国、德国、法国和日本市场存在很强的方向性可预测性。其次，我们考虑了一个简单的分位数增强的波动模型，该模型适应了美国市场和其他市场之间的分位数依赖性和方向可预测性。分位数增强波动率模型提供了优越的样本内和样本外波动率预测。
2016-08-25 q-fin.ST stat.AP
Sentiment Analysis of State Bank of Pakistan's Monetary Policy Documents and its Impact on Stock Market
本文通过情感分析与高频短窗口方法研究巴基斯坦国家银行货币政策沟通对股市的影响，发现其语气变化会显著影响卡拉奇证券交易所股票回报，但该影响不具长期恒定性。
2024-07-19 q-fin.ST
Synchronization Model for Stock Market Asymmetry
股票市场指数经历一个给定的百分比变化所需的等待时间，其价值被发现有一个向上向下的不对称性，令人惊讶的是，没有观察到的个股组成该指数。为了解释这一点，我们引入了一个市场模型，包括随机波动的股票，偶尔同步其短期下跌。这些同步事件由“恐惧因素”参数化，反映了影响金融市场的重大外部事件的发生。
2006-08-31 physics.soc-ph q-fin.ST
StockBot: Using LSTMs to Predict Stock Prices
已经尝试使用许多方法来评估金融市场以预测其行为，从而做出明智和有利可图的投资决策。由于高度非线性的趋势和相互依赖性，往往很难制定一个统计方法来阐明整个市场行为。为此，我们提出了一个基于长短期记忆（LSTM）的模型，该模型利用时间序列数据的序列结构来提供准确的市场预测。然后，我们开发了一个决策StockBot，在一天结束时买入/卖出股票，目标是利润最大化。我们成功地展示了一个准确的预测模型，因此我们的StockBot可以超越市场，并可以制定策略，获得比市场上最激进的ETF高出约15倍的收益。
2022-07-30 q-fin.ST
A study of co-movements between USA and Latin American stock markets: a cross-bicorrelations perspective
本文使用Brooks和Hinich交叉双相关检验来揭示美国标准普尔500指数（SP500）与六个拉丁美洲股票市场指数：墨西哥（BMV）、巴西（BOVESPA）、智利（IPSA）、哥伦比亚（COLCAP）、秘鲁（IGBVL）和阿根廷（MERVAL）之间的非线性相关期。我们发现了标准普尔500指数和拉丁美洲股票市场之间的非线性依赖和共同运动的窗口，其中一些与危机时期相吻合，让位于可能的传染或相互依存的解释。
2015-03-24 q-fin.ST
Universal and nonuniversal allometric scaling behaviors in the visibility graphs of world stock market indices
从复杂网络的角度对金融市场的研究揭示了许多现象学性质，其中大多数研究将金融市场映射到一个复杂网络中。在这项工作中，我们研究了30个世界股票市场指数，通过他们的可见性图，采用可见性算法，将每个单一的股票指数转换为一个可见性图。在最小生成树中发现了一个普适的异速标度律，其标度指数与股票市场和股票指数的长度无关。与此相反，最大生成树和随机生成树不表现出普遍的异速生长标度行为。股票指数的异速标度行为与布朗运动的异速标度行为存在显著差异。利用替代时间序列，我们发现这些差异是由收益率分布的厚尾性，非线性长期相关性，以及这两个影响因素之间的耦合效应。
2009-10-14 q-fin.ST
Contagion among Central and Eastern European stock markets during the financial crisis
本文是对国际股票市场同步性和传染性的文献贡献。我们的方法的新颖之处在于应用小波工具的高频金融市场数据，这使我们能够了解股票市场之间的关系，在时间-频率域。经济时间序列分析的主要部分是在时域或频域分别进行的，而小波分析结合了这两种基本方法。小波技术揭示了中欧和东欧（CEE）股票市场和德国DAX指数在不同的投资期限之间的相关性有趣的动态。结果表明，中东欧市场与该地区主要市场的连接在较高频率下比在较低频率下明显降低。与以往的文献相反，我们的文件显着降低传染性的中东欧市场和德国DAX后，大2008年股票市场崩溃。
2013-09-30 q-fin.GN q-fin.ST
Stock Price Forecasting and Hypothesis Testing Using Neural Networks
Rice University（莱斯大学）；Department of Economics（经济学系）
在这项工作中，我们使用递归神经网络和多层感知器从历史数据中预测纽约证券交易所，纳斯达克和美国证券交易所的股票价格。我们使用不同的架构进行实验，并比较数据规范化技术。然后，我们利用这些发现，通过正式的统计检验来质疑有效市场假说。
2019-08-28 cs.LG econ.EM q-fin.ST
Collective dynamics of stock market efficiency
有效市场假说认为，股票价格充分反映了所有可获得的信息，这一观点总是与现实世界的市场行为相矛盾。虽然有大量的证据表明和量化股票市场的效率，大多数研究假设这种效率是恒定的，随着时间的推移，使其动态和集体方面仍然知之甚少。在这里，我们定义的时变效率的股票市场指数的对数收益率的滑动时间窗口内的排列熵计算。我们发现，主要的世界股票市场可以分为几个组，显示类似的长期效率配置文件的层次。然而，我们也表明，效率排名和具有类似趋势的市场集群一次只能稳定几个月。因此，我们提出了一个网络表示的股票市场，聚合成一个全球性的和连贯的画面，其短期效率模式。我们发现这个金融网络是强烈纠缠的，同时也有一个模块化的结构，由两个不同的股票市场组。我们的研究结果表明，股票市场效率是一个集体现象，可以驱动其运行在一个高水平的信息效率，但也将整个系统的失败风险。
2020-11-30 physics.soc-ph q-fin.ST
Stock Market Scale by Artificial Insymmetrised Patterns
考虑了全球股票市场的大型和稳定指数，如纽约证券交易所和标准普尔500指数，以及代表新趋势市场的纳斯达克指数和东欧当地股票市场的WIG指数。由于人工不对称模式（AIP）和时间序列的关系，股票市场指数的平稳性和临时性进行了识别。通过过滤极端事件，发现波动是自相似的。时间上的快照导致对市场相对于其历史的暂时状态的估计。看起来，接近崩溃时，系统的AIP表示会冻结。
2002-07-09 cond-mat.stat-mech q-fin.ST
Stock Market Prediction using Natural Language Processing -- A Survey
Vellore Institute of Technology（韦洛尔理工学院）
股票市场是一个网络，它为几乎所有主要的经济交易提供了一个平台。虽然投资股票市场是一个好主意，但投资个股可能不是，特别是对临时投资者来说。聪明的选股需要深入的研究和大量的奉献精神。预测这种股票价值提供了巨大的套利获利机会。这种寻找解决方案的吸引力促使研究人员找到一种方法来解决波动性，季节性和时间依赖性等问题。本文综述了用于预测股票市场走势的自然语言处理和机器学习技术领域的最新文献。本文的主要贡献包括对近期许多文章的复杂分类和对股票市场预测及其相关领域的最新研究趋势的说明。
2022-08-26 cs.LG q-fin.ST
Level Crossing Analysis of the Stock Markets
我们研究了正斜率$ν_α^{+}$的平均频率，交叉的市场价格的回报。该方法是基于随机过程，没有标度功能是明确要求。利用这种方法，我们定义了新的数量来量化的发展阶段和活动的证券交易所。我们比较了德黑兰和西方的股票市场，并表明，一些股票，如德黑兰（TEPIX）和新西兰（NZX）的股票交易所正在出现，而且TEPIX是一个不活跃的市场，金融动机，以吸收资本。
2006-06-15 physics.data-an q-fin.ST
Robust Transformer-Based One-Step Stock Index Forecasting via Shifted Data Augmentation
Faculty of Mathematics and Statistics, Ton Duc Thang University（孙德胜大学数学与统计学院）
提出改进的Transformer架构结合余弦退火学习率调度和移位数据增强（SDA），在VN30和S&P 500指数上有效降低预测误差和波动性，优于增加模型复杂度的方法。
2026-06-16 cs.LG q-fin.ST
A second-order stock market model
股票市场的一阶模型为每只股票分配一个收益参数和一个方差参数，这些参数只取决于股票的等级。二阶模型根据股票的等级和名称来分配这些参数。一阶和二阶模型具有稳定性，这使得它们适合作为分析个股特质行为的背景。本文提出了二阶模型参数的估计方法。
2013-02-15 math.PR q-fin.ST
Information flow between composite stock index and individual stocks
本文利用传递熵研究了美国股票市场中股票市场综合股价指数与个股价格之间的信息传递强度和方向。通过信息传递的方向性，我们发现个股受市场指数的影响。
2007-08-01 physics.soc-ph q-fin.ST
Analysis of market efficiency in main stock markets: using Karman-Filter as an approach
本研究提出利用Kalman-Filter分析评估主要股票市场的有效性，发现该基于Kalman-Filter的价格反转指标在新兴与发达市场中均能产生显著的投资组合回报。
2024-04-25 q-fin.CP q-fin.ST
Emergence of world-stock-market network
在全球化时代，各国的股票市场并不是独立于其他市场的，这是很自然的。在这种情况下，集体行为可能会从他们的依赖中出现。本文研究了世界经济中40个有影响力的市场的集体行为，旨在探索一种可称为世界股票市场网络的全球金融结构。为此，我们使用随机矩阵理论（RMT）分析了这四十个市场指数的交叉相关矩阵。我们发现市场之间的集体行为的程度和每个市场在其结构形成中所占的份额。这一发现与对四个股票市场进行同样计算所得到的结果一起加强了世界金融市场的想法。最后，我们画出交叉相关矩阵的树状图，使这个抽象的全球市场中的社区可见。根据至少30%的相关性绘制的树状图显示，世界金融市场由三个社区组成，每个社区都包括地理位置接近的股票市场。
2017-03-26 physics.soc-ph q-fin.ST
Dynamical analysis of financial stocks network: improving forecasting using network properties
本研究通过分析股票收益相关网络，提取个股与全局网络属性，用于预测标普500个股未来收益，长期预测R2提升50%，短期提升3%。
2024-08-21 physics.soc-ph q-fin.CP q-fin.ST
Asymmetric Conditional Volatility in International Stock Markets
最近的研究表明，股票价格的负面冲击将比类似幅度的正面冲击产生更大的波动。本文的目的是对股票收益率的条件均值和条件方差是过去信息的非对称函数的假设进行评价。我们比较了葡萄牙股票市场指数PSI 20与其他六个股票市场指数的结果，即标准普尔500指数，富时100指数，DAX 30指数，CAC 40指数，ASE 20指数和IBEX 35指数。为了评估非对称波动性，我们使用自回归条件异方差规格称为Tcb和EGb。在VAR框架内，我们还使用TAR和M-TAR规范控制了宏观经济因素对股票市场收益率的影响后，检验了非对称性。我们的研究结果表明，条件方差是一个不对称的功能，过去的创新提高比例更多的市场下跌，一种现象称为杠杆效应。然而，当我们控制了宏观经济变量的变化的影响，我们没有发现显着的证据，股票市场收益的非对称行为。有迹象表明，葡萄牙股市的市场效率往往低于其他市场，因为冲击的影响似乎需要更长的时间才能消散。
2006-12-04 physics.soc-ph q-fin.ST
