Asymmetric excitation of left- and right-tail extreme events probed using a Hawkes model: application to financial returns
我们构建了一个双尾峰值过阈值Hawkes模型，该模型在时间序列内的左尾和右尾极值内和之间捕获不对称的自激和交叉激发。我们证明了它的适用性，通过调查极端的收益和损失的标准普尔500指数的每日日志回报。我们发现，极端的损失和收益的到来描述了一个共同的条件强度，损失的两倍多的收益。然而，前者的贡献衰减速度几乎是后者的五倍。我们将这些不对称归因于市场交易者对资产价格极端向上和向下运动的不同反应：消极偏见的一个例子，其中创伤比欣快更突出。
2021-08-10 physics.soc-ph q-fin.ST
Hawkes Processes
Hawkes过程是一类特别有趣的随机过程，已被应用于从地震建模到金融分析的不同领域。它们是点过程，其定义特征是它们“自激”，这意味着每次到达都会在一段时间内增加未来到达的速率。霍克斯过程是公认的，特别是在金融文献中，但许多处理方法是不熟悉该主题的人无法访问的。本综述提供了背景，介绍了该领域和历史的发展，并涉及霍克斯过程的所有主要方面。
2015-07-10 math.PR q-fin.ST stat.AP
Modelling systemic price cojumps with Hawkes factor models
大量金融资产的价格动态不稳定是系统性事件的明显迹象。通过对意大利证券交易所上市的20只大盘股的研究，我们发现存在大量的高频共跳现象。我们表明，这些跳跃的动态既不是用多元泊松模型描述的，也不是用多元霍克斯模型描述的。我们引入了一个霍克斯单因子模型，它能够同时捕获跳跃的时间聚类和跨资产跳跃的高同步性。
2013-03-11 q-fin.ST
Performance of information criteria used for model selection of Hawkes process models of financial data
我们测试三个共同的信息准则（IC）选择的霍克斯过程的强度内核，可以表示为混合指数项的顺序。这些过程在高频金融数据建模中得到应用。信息准则有赤池信息准则（AIC）、贝叶斯信息准则（BIC）和汉南-奎因准则（HQ）。由于我们使用模拟数据，因此我们能够通过IC选择用于生成数据的模型的成功率来衡量模型选择的性能。特别是，我们感兴趣的是正确的模型选择和潜在的样本量之间的关系。分析包括现实的样本量和参数集，从最近的文献中，参数估计使用经验金融日内数据。我们比较我们的研究结果的理论预测和类似的经验发现一致和不一致的IC模型选择的渐近分布。
2017-04-04 math.ST q-fin.ST stat.TH
Analysis of Contagion in China's Stock Market: A Hawkes Process Perspective
本文通过Hawkes过程分析中国股市传染性，探讨市场指数的趋势行为及行业指数间的相互影响，揭示长期依赖性和趋势模式。
2025-12-08 q-fin.RM q-fin.ST
Detection of intensity bursts using Hawkes processes: an application to high frequency financial data
给定一个稳定点过程，强度突发被定义为一个短的时间段，在此期间计数的数量大于典型的计数率。它可能是局部非平稳性或系统外部扰动的信号。在本文中，我们提出了一个新的程序内的霍克斯过程框架内的强度爆发的检测。通过使用模型选择方案，我们表明，我们的程序可以用来检测强度爆发时，它们的发生时间和它们的总数是未知的。此外，突发的初始时间可以以由典型事件间时间给出的精度来确定。我们将我们的方法应用于外汇市场的中间价变化，表明这些突发事件是频繁的，只有相对较小的一部分与新闻的到来有关。我们显示了在不同的外汇汇率强度突发发生的领先滞后关系，我们讨论了它们与价格跳跃的关系。
2016-10-17 q-fin.CP q-fin.ST q-fin.TR
Hawkes-based cryptocurrency forecasting via Limit Order Book data
Politecnico di Milano（米兰理工大学）
本研究提出一种基于限价订单簿数据和霍克斯过程及连续输出误差模型的加密货币收益方向预测算法，在预测准确性和累计利润上超越基准模型，并通过50个场景的蒙特卡洛模拟验证了其有效性。
2023-12-21 cs.CE cs.LG q-fin.ST
Branching ratio approximation for the self-exciting Hawkes process
本文介绍了Hawkes自激点过程分支比的一个与模型无关的近似。我们的估计器只需要知道在足够大的时间窗口内事件计数的均值和方差，这些统计数据很容易从经验数据中获得。我们提出的方法大大简化了霍克斯分支比的估计，最近提出的代理市场endoeconomy和以前估计使用数值似然最大化。我们采用我们的新方法来支持最近的理论和实验结果表明，最适合霍克斯模型来描述标准普尔期货价格的变化实际上是至关重要的（现在和不久的过去），鉴于长记忆的金融市场活动。
2014-10-09 cond-mat.stat-mech q-fin.ST
LOB modeling using Hawkes processes with a state-dependent factor
建立了限价订单簿中订单流的点过程模型，其中条件强度是Hawkes分量与状态依赖因子的乘积.在LOB上下文中，状态观测可以包括观测到的不平衡或观测到的扩散。完整的技术细节，这样一个过程的计算效率的估计，使用直接的似然最大化或EM型估计。应用程序包括买入和卖出市价订单，或向上和向下的价格变动模型。在巴黎泛欧交易所交易的多只股票的实证结果强调了LOB建模的状态依赖公式的好处，例如在拟合金融数据方面。
2021-12-02 q-fin.ST q-fin.TR
Testing the causality of Hawkes processes with time reversal
我们发现，单变量和对称的多变量霍克斯过程只有弱因果关系：真正的对数似然的真实和反向事件的时间向量几乎是相等的，因此通过最大似然参数估计只有弱依赖于时间箭头的方向。在理想（合成）条件下，参数拟合优度检验明确拒绝向后事件时间，这意味着从时间对称量（如事件率的自协方差）推断内核很少产生统计学显著拟合。最后，我们发现，拟合金融数据与多参数内核可能会产生显着的适合两个箭头的时间为同一事件的时间向量，有时有利于向后的时间方向。这表明，霍克斯过程对具有灵活内核的真实数据的显著拟合并不意味着确定的时间箭头，除非有人测试它。
2017-09-25 physics.data-an q-fin.ST stat.AP
Limit theorems for nearly unstable Hawkes processes
由于霍克斯过程的易处理性和对市场数量的自然解释，霍克斯过程现在被广泛应用于高频金融。然而，在实践中，统计估计的结果似乎表明，往往只有近不稳定的霍克斯过程能够适当地拟合数据。通过几乎不稳定，我们的意思是他们的内核的$L^1$范数接近于1。在这项工作中，我们研究的稳定性条件几乎被违反的过程。我们的主要结果表明，适当的重新标度后，他们渐近表现得像集成Cox-Ingersoll-Ross模型。因此，将金融订单流建模为几乎不稳定的霍克斯过程可能是再现其高频和低频程式化事实的好方法。然后，我们将这一结果扩展到巴克里等人引入的基于霍克斯的价格模型。Finance 13（2013）65-77]。我们表明，在类似的临界条件下，这个过程收敛到赫斯顿模型。再次，我们恢复了著名的程式化的价格事实，无论是在微观结构水平和宏观尺度。
2015-03-12 math.PR 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
Second order statistics characterization of Hawkes processes and non-parametric estimation
证明了多变量Hawkes过程的跳相关矩阵通过一个Wiener-Hopf积分方程组与Hawkes核矩阵相联系。一个维纳-霍普夫参数允许一个证明，这个系统（其中的核心矩阵是未知的）拥有一个唯一的因果解，因此，二阶属性完全表征霍克斯过程。该积分方程系统的数值反演使我们能够提出一种快速有效的方法，其主要原理最初在[Bacry和Muzy，2013]中概述，以执行Hawkes核矩阵的非参数估计。在本文中，我们进行了系统的研究，这种非参数估计过程的一般框架标记霍克斯过程。我们一步一步地精确描述了这个过程。我们讨论的估计误差，并解释如何选择的主要参数的值。给出了各种数值例子，以说明广泛的可能性，这种估计过程范围从1维（幂律或非正内核）到3维（循环依赖）的过程。与其他非参数估计方法进行了比较。最后考虑应用于金融市场中的高频交易事件和地震发生动态。
2015-02-13 math.ST physics.geo-ph q-fin.ST
Self and mutually exciting point process embedding flexible residuals and intensity with discretely Markovian dynamics
本文提出一种嵌入灵活残差和强度的自激励与互激励点过程，作为Hawkes过程的扩展，能更准确结合原始时间序列属性进行滤波历史模拟，并扩展至多变量模型，在高频金融数据估计中表现优于Hawkes过程。
2025-04-01 q-fin.ST stat.ME
The class of nonlinear stochastic models as a background for the bursty behavior in financial markets
我们调查大的变化，突发，连续的随机信号，当指数的乘法大于1。在此之前，我们已经提出了一个一般的非线性随机模型，它可以转化为贝塞尔过程已知的首达（首达）时间统计。利用这些结果，我们推导出PDF的突发持续时间的模型。通过数值计算确定了解析表达式，并在非线性回归建模的框架下讨论了金融市场收益率的突发行为。
2012-05-15 q-fin.ST
Collective synchronization and high frequency systemic instabilities in financial markets
近年来，技术在人类活动的各个方面发挥着前所未有的作用。不可避免的是，技术已经大量进入资本市场交易领域，以至于所有主要交易所现在都只使用电子平台进行交易。信息处理、下单和取消的超快速度产生了新的动态，但仍没有完全破译。通过分析美国市场上交易的股票的大型数据集，我们的研究证明，自2001年以来，各种资产之间的大规模价格变动的同步水平显著提高。尽管近年来超阈值事件的总数有所减少，但当事件发生时，一起摆动的资产的平均数量却有所增加。出乎意料的是，这些事件中只有一小部分（每年通常不到40%）与预先公布的宏观经济消息有关。我们还证明，一个事件的系统性水平越大，在不久的将来发生一个新事件的概率和系统性程度就越大。这为一个有趣的想法开辟了道路，即系统性事件的出现是一个纯粹的内生机制的影响。一致的，我们提出了一个高维的，但吝啬，模型的基础上一类自我和交叉兴奋的过程，称为霍克斯过程，调和的建模工作与经验证据。
2015-05-04 q-fin.ST
Importance of Positive Feedbacks and Over-confidence in a Self-Fulfilling Ising Model of Financial Markets
遵循物理学家的悠久传统，他们已经注意到，伊辛模型提供了一个一般的背景，以建立现实的模型，社会互动，我们研究了一个模型的金融价格动态所产生的集体总决策的代理人。该模型包括模仿、外部新闻和私人信息的影响。它有一个动态的伊辛模型的结构，其中代理人有两个意见（买或卖）的耦合系数，随着时间的推移与过去的新闻如何解释实现市场回报的记忆。我们研究了两个版本的模型，不同的代理人如何解释新闻的预测能力。我们发现，金融市场的程式化的事实，只有当代理人是过度自信和错误的属性成功的新闻预测回报羊群效应，从而提供积极的反馈，导致模型功能接近临界点。我们的模型表现出丰富的多重分形结构，其特征在于一个连续谱的指数的幂律松弛的内生突发波动，在良好的协议与以前的分析预测与多重分形随机游走模型和经验事实。
2005-03-30 cond-mat.stat-mech physics.soc-ph q-fin.ST
Do Weibo platform experts perform better at predicting stock market?
University of Limerick（利默里克大学）；LERO（LERO（爱尔兰软件工程研究中心））
本文结合 BERT 情感分类与 LSTM 时序预测，比较微博 AFA 与 UFA 用户情感对恒生指数走势的预测效果，发现 AFA 组预测精度高 39.67%，最高准确率达 87%。
2024-02-12 cs.AI cs.LG cs.SI
Long-range memory model of trading activity and volatility
早先我们提出了随机点过程模型，它再现了各种自仿射时间序列，其功率谱密度S（f）标度为频率f的幂，并导出了具有相同长程记忆性质的随机微分方程。在这里，我们提出了一个随机微分方程作为一个动态模型的观察记忆的金融时间序列。连续随机过程再现了交易活动的统计特性，并作为建模等待时间，回报和波动性的背景模型。经验观察到的统计特性：幂律概率分布的指数和长距离记忆金融变量的功率谱密度与几个模型参数的相同值再现。
2006-06-14 physics.soc-ph q-fin.ST
