Gold, currencies and market efficiency
黄金和货币市场形成了独特的一对,具有特定的相互作用和动态。我们专注于黄金市场的购买货币的效率排名。利用基于分形维数、近似熵和长期记忆的效率指数(EI)对142个不同货币的黄金价格序列进行分析,构建了基于扩展EI方法的黄金价格效率排名。相当意外的结果被发现,因为主要货币的黄金价格是最低效率的货币之一,而非常次要的货币是最有效的货币之一。我们认为,这种违反直觉的结果可以部分归因于一个独特的检查期(2011-2014年),其特征是量化宽松和相当非正统的货币政策,以及调查主要外汇市场参与者的非法勾结,以及一些详细讨论的其他因素。
2015-10-29 q-fin.CP q-fin.ST
Financial ``Anti-Bubbles'': Log-Periodicity in Gold and Nikkei collapses
我们认为,交易者之间的模仿和他们的羊群行为不仅会导致投机泡沫,加速金融市场的过度估值,随后可能会崩溃,而且还会导致“反泡沫”,在历史高点之后,市场贬值减速。为此,我们提出了一个简单的市场动力学模型,其中的需求缓慢下降的障碍,逐步淬火,导致幂律衰减的市场价格装饰减速对数周期振荡。我们记录了1990年至今的日本日经股票指数和1980年后的黄金期货价格的这种行为,两者都是在历史高点之后。我们同时进行参数和非参数分析,这些分析彼此完全一致。我们扩展的参数方法的扰动的下一个订单,比较的对数周期拟合与一个,两个和三个对数频率,后者提供了一个预测的一般趋势,在未来几年。非参数功率谱分析表明,存在具有高度统计意义的对数周期性,与日经指数$λ\approx 1.9$的黄金期货价格的首选尺度比$λ\approx 3.5$,与投机泡沫导致崩溃的值相媲美。
1999-01-25 cond-mat.stat-mech q-fin.ST
Scale matters: The daily, weekly and monthly volatility and predictability of Bitcoin, Gold, and the S&P 500
比特币作为一种金融资产的出现伴随着高波动性的名声。本文旨在对这种声誉进行细微的调整,并澄清我们对比特币波动性的理解。使用2014年9月至2021年1月的每日、每周和每月收盘价和日志回报数据,我们发现比特币是两种波动性概念存在分歧的资产的一个典型例子。我们发现,从历史上看,比特币与黄金和标准普尔500指数相比,具有高波动性(高标准差)和高可预测性(低近似熵)。此外,利用极值理论的工具,我们分析了矩的收敛性,以及三种资产的收盘价和对数收益率的平均超额函数。我们发现,当另外两种资产(黄金和标准普尔500指数)的收盘价呈现薄尾分布时,比特币的收盘价符合广义帕累托分布。然而,所有三种资产的回报都是重尾的,二阶矩(方差,标准差)不收敛。在比特币的情况下,较低的采样频率(每月与每周,每周与每日)大大降低了对数回报的峰度,并增加了经验矩向其真实值的收敛。黄金和S&P 500的影响相反。这些特性表明,比特币的波动性本质上是一种日内和周内的现象,在每周的时间尺度上强烈衰减,使其成为投资者和投机者有吸引力的价值储存,但其高标准差排除了其使用货币。
2021-02-28 cs.IT math.IT q-fin.ST
Tick size and price diffusion
最小价格变动单位是证券价格的最小增量。很明显,在最短的时间尺度上,个人订单被放置的最小报价最小价格变动单位有一个主要的作用,影响限价订单可以放置,买卖价差等,这是市场微观结构的领域,有大量的文献上的作用,最小报价最小价格变动单位对市场微观结构。然而,最小价格变动单位也可以影响价格属性在较长的时间尺度,和相对较少的是已知的最小价格变动单位的价格统计属性的效果。本文件分为两部分。首先,我们回顾了最小报价最小价格变动单位变化对市场微观结构和价格扩散特性的影响。第二部分介绍了通过调查纽约证券交易所(NYSE)发生的最小价格变动单位变化所获得的原始结果。我们发现,最小价格变动单位的变化对价格扩散有三种影响。首先,正如文献中已经表明,最小价格变动单位影响价格收益分布在一个总的时间尺度。其次,减小最小价格变动单位通常会导致波动率聚集的增加。我们对这种效应给出了一个可能的机械解释,但显然需要更多的研究来了解这种关系的起源。第三,我们明确地表明,从属假说在解释厚尾的回报和波动率聚集的能力是强烈依赖于最小价格变动单位。而对于大的最小价格变动单位的从属假说具有显着的解释力,小最小价格变动单位我们表明,从属不是这两个重要的程式化事实的金融市场的主要驱动力。
2010-10-07 q-fin.ST
On Capturing the Spreading Dynamics over Trading Prices in the Market
虽然市场是一个社会领域,信息在相互作用的代理人之间流动,但没有太多的方法来观察组成市场的价格中的传播信息。通过引入信息论中的熵转移与Granger因果关系,提出了一种市场加权有向图树,用以检测价格变化可能影响其他价格变化。我们将所提出的分析与从股票价格的相关系数构建的相似树表示进行比较,以便了解一般市场集体行为的可能性。
2015-10-15 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
How volatilities nonlocal in time affect the price dynamics in complex financial systems
什么是金融系统中价格动态的主导机制是科学家们非常感兴趣的。波动性是否以及如何影响价格运动的问题备受关注。虽然已经作出了许多努力,但这仍然是一项挑战。物理学家通常运用统计物理学中的概念和方法,如时间相关函数来研究金融动力学。然而,通常的波动率-收益相关函数在时间上是局部的,通常在零附近波动。本文基于不同国家的数百只个股和25个股票市场指数的实证数据,构造了时间上非局部的动态观测量来研究波动率与收益率的相关性。令人惊讶的是,相关性被发现是非零的,幅度为百分之几,持续时间超过两周。这一结果提供了令人信服的证据表明,过去的波动非本地的时间影响未来的回报。此外,我们引入了一个新的机制,即在波动和稳定的市场中的非对称交易偏好,基于代理模型,以了解微观起源的波动性收益相关性的时间非局部。
2015-02-03 q-fin.GN q-fin.ST
A Regulated Market Under Sanctions: On Tail Dependence Between Oil, Gold, and Tehran Stock Exchange Index
我们证明,尾部依赖性应始终考虑作为一个代理的系统性风险损失的投资。我们提供了明确的统计证据表明,在一个受监管的市场上,投资组合的结构应该根据黄金价格进行调整。我们的研究结果表明,积极的石油商品易货贸易将防止面临国际制裁的国家市场崩溃。
2019-11-02 econ.GN q-fin.EC q-fin.ST
Gold Standard Pairs Trading Rules: Are They Valid?
配对交易是一种基于证券价格均值回归的策略。它已被证明能产生显著的超额收益率,但其盈利能力在最近一段时期大幅下降。我们使用最常见的距离和协整方法对1990年至2020年的美国股市进行分析,包括新冠肺炎危机。该策略总体上未能优于市场基准,即使超参数调整,但它在熊市中表现非常强劲。此外,我们证明了市场因素与策略的最优参数化有很强的关系,并且调整适合现代市场条件。
2020-10-02 q-fin.ST q-fin.TR
Stock Price Prediction using Sentiment Analysis and Deep Learning for Indian Markets
Northwestern University(西北大学);Great Learning
股票市场预测一直是一个活跃的研究领域。计算的到来,其次是机器学习,提升了研究的速度,并开辟了新的途径。作为这项研究的一部分,我们的目标是利用历史价格以及情绪数据的可用性来预测股票的未来走势。两个模型被用作练习的一部分,LSTM是第一个以历史价格为自变量的模型。使用强度分析器捕获的情绪分析被用作第二部分使用的随机森林模型的主要参数,一些宏观参数,如黄金,油价,美元汇率和印度政府证券收益率也被添加到模型中,以提高模型的准确性。作为最终产品,使用上述两个模型预测了Reliance、HDFC Bank、TCS和SBI 4只股票的价格。使用RMSE度量评估结果。
2022-04-07 cs.LG q-fin.ST
A Theory for Market Impact: How Order Flow Affects Stock Price
众所周知,交易对股票价格的影响(市场冲击)是订单规模的凹函数,但几乎没有定量理论表明为什么会这样。我开发了一个定量理论的市场冲击的隐藏订单(订单,反映购买和出售的真实意图)相匹配的实证测量结果,再现了一些非平凡的和普遍的股票收益率(回报率是股票价格的百分比变化)的属性。该理论基于一个简单的前提,即股票市场可以用机械的方式建模--作为一种将订单流转换为不相关的价格流的设备。鉴于订单流是高度自相关的,这个前提要求市场冲击(1)取决于过去的订单流和(2)是不对称的购买和出售。我通过假设当前流动性对所有当前活跃的隐藏订单的信息做出反应(流动性是对给定规模交易的价格反应的度量),推导出(1)中依赖关系的具体形式。这产生了一个等式,表明市场冲击应该与总订单规模成比例。使用伦敦证券交易所的数据,我实证测量市场冲击,并表明,结果符合理论。同样使用经验数据,我定性地说明了(2)的不对称性。把所有的结果放在一起,我形成了一个市场冲击模型,再现了股票收益的三个普遍属性-收益是不相关的,收益是以幂律尾部分布的,收益的大小是高度自相关的(也称为聚集波动)。
2008-07-08 physics.soc-ph q-fin.ST
Multifractal characterization of gold market: a multifractal detrended fluctuation analysis
采用多重分形去趋势波动分析技术,对1993- 2013年7月中国、印度和土耳其3个世界黄金消费大国的黄金消费价格指数(CPI)和市场走势的时间序列进行分析。计算了各种多重分形变量,如广义赫斯特指数、多重分形指数和奇异谱,并将计算结果拟合到仅由两个参数组成的广义二项式多重分形(GBM)序列上.特别强调的是,以确定可能的来源(S)在这些系列的多重分形。我们的分析表明,CPI序列和所有三个市场序列都具有多重分形性质。CPI时间序列和印度市场序列的多重分形的起源是由于一个长期的时间相关性,而它主要是由于中国和土耳其市场的值的厚尾概率分布。GBM模型系列或多或少地描述了这里分析的所有时间序列。
2015-05-17 physics.data-an q-fin.ST
The Interpretability of LSTM Models for Predicting Oil Company Stocks: Impact of Correlated Features
K. N. Toosi University of Technology(K.N.图斯工业大学);Institute for Research in Fundamental Sciences (IPM)(基础科学研究所(IPM))
本研究通过设计标准LSTM网络并使用相关数据集训练,探讨相关特征对石油公司股票预测模型可解释性的影响,发现添加相关特征不提升可解释性,提示LSTM模型在股票预测中可解释性有限,需谨慎依赖。
2023-12-20 cs.AI q-fin.ST
Derivation of ARCH(1) process from market price changes based on deterministic microscopic multi-agent
一个模型的波动,在市场价格包括许多确定性的经销商,谁预测他们的购买和销售价格从最新的价格变化,开发。我们证明了该模型的价格变化是近似的<$(1)过程。我们的结论是,受过去的价格变化的影响,经销商的预测造成的概率密度函数的厚尾。我们相信,这项研究的桥梁随机过程计量经济学与多智能体模拟方法。
2001-04-17 cond-mat.stat-mech q-fin.ST
Interdependency between the Stock Market and Financial News
股票价格是由各种因素驱动的。特别是,许多金融知识相对较少的个人投资者在做出股票市场投资决策时严重依赖新闻报道的信息。然而,由于新闻的主观性,这些故事可能并不反映未来的股票价格;股票价格反而可能影响新闻内容。本研究旨在发现是新闻还是股票价格对另一个有更大的影响。为了实现这一点,我们分析了新闻情绪和股票价格之间的关系,基于时间序列分析,使用五种不同的分类模型。我们的实验结果表明,股票价格对新闻内容的影响大于新闻对股票价格的影响。
2019-09-01 cs.IR q-fin.ST
Stock Price Prediction Under Anomalous Circumstances
University of Rochester(罗切斯特大学)
股票市场波动复杂,2020年更是如此。由于COVID-19大流行等一系列全球和地区“黑天鹅”,美国股票市场在3月9日至16日的一周内三次触发熔断机制,这在历史上是前所未有的。受此影响,个别公司的股票价格也以任何预先开发的预测模型都无法预测的速度暴跌。它揭示了缺乏令人满意的模型,可以预测股票价格的变化时,灾难性的,极不可能的事件发生。为了填补这类模型的空白,并帮助防止投资者在不确定的时期遭受重大损失,本文旨在捕捉异常情况下股票价格的运动模式。首先,我们通过拟合一个标准的ARIMA模型来检测连续股票价格中的异常值,并确定预测与实际值显著偏离的点。使用选定的数据点,我们分别在个股水平、行业水平和一般市场水平上训练ARIMA和LSTM模型。由于公众情绪对股票市场的影响巨大,因此情绪分析也以情绪分数的形式纳入模型中,情绪分数是从Reddit上对特定股票的评论转换而来的。基于2016年至2020年期间100家公司的股票价格,该模型的平均预测准确率达到98%,可用于优化现有的预测方法。
2021-09-14 cs.LG q-fin.ST
Crowded trades, market clustering, and price instability
类似交易同行的拥挤交易影响了资产价格的动态,可能产生系统性风险。我们提出了一个市场聚类措施,使用粒度交易数据。对于每只股票,聚类度量捕获了该股票中任何两个投资者之间的交易重叠程度。我们研究拥挤的交易对股票价格稳定性的影响,并表明市场聚集对股票收益率分布的尾部属性有因果关系,特别是正尾,即使在控制了通常认为的风险驱动因素之后。因此,投资者池多样性的减少可能对股票价格稳定产生负面影响。
2020-02-09 q-fin.RM q-fin.ST q-fin.TR
Investigating the effect of competitiveness power in estimating the average weighted price in electricity market
Lebanese French University(黎巴嫩法国大学);University of Kurdistan Hewler(库尔德斯坦休勒大学)
本文研究了电力市场条件下,发电商的电量范围对电价的影响。在一天中的特定时间内的电力市场的竞争程度被认为是实现这一点。在此基础上,分析了竞争程度对日电价预测精度的影响。价格预测模型的基础上,多层感知通过反向传播与Levenberg-Marquardt机制。剩余供给指数(RSI)和其他影响价格的变量被用作模型的输入,以评估市场竞争力。结果表明,使用市场力指数作为输入有助于提高预测精度。因此,在不同的日常时间段的市场势力的竞争程度是一个显着的价格形成变量。此外,市场参与者不能忽视市场力量在价格预测中的解释力。在这项研究中,使用了2013年电力市场的真实数据,数据的主要来源是伊朗的电网管理公司。
2019-07-27 cs.LG q-fin.ST
Frequency Effects on Predictability of Stock Returns
我们认为,可预测性是金融市场盈利的先决条件。我们研究如何使用信息理论方法来衡量价格变化的可预测性,并将其应用于NYSE 100股票的所有历史数据。这使我们能够确定抽样价格变化的频率是否会影响这些变化的可预测性。同时,我们也探讨了价格变动的可预测性与价格形成过程偏离iid以及股票所处行业之间的关系。我们还简要评论了价格变化的可预测性和算法交易的盈利能力之间的复杂关系。
2013-11-12 cs.IT math.IT q-fin.ST
Predictive Accuracy of a Hybrid Generalized Long Memory Model for Short Term Electricity Price Forecasting
Institute of High Commercial Studies of Sousse (IHEC)(苏塞高等商业学院(IHEC))
准确的电价预测是市场参与者的主要管理目标,因为它代表了市场参与者利润最大化的基本基础。然而,电力是一种不可储存的商品,电价受一些社会和自然因素的影响,这使得电价预测具有挑战性。本研究探讨了一种新的混合模型的预测性能的基础上的广义长记忆自回归模型(k因子GARMA),Gegenbauer广义自回归条件异方差(G-GARCH)过程,小波分解,局部线性小波神经网络(LLWNN)优化使用两种不同的学习算法,反向传播算法(BP)和粒子群优化算法(PSO)。所提出的模型的性能进行评估使用的数据从北池电力市场。此外,它与其他一些参数和非参数模型进行了比较,以证明其鲁棒性。实验结果表明,该方法的性能优于其他竞争技术。
2022-04-18 cs.LG q-fin.ST
Systemic Risk in Market Microstructure of Crude Oil and Gasoline Futures Prices: A Hawkes Flocking Model Approach
本文提出了霍克斯羊群效应模型,从内生性和交互性两个角度对高频过程中的系统性风险进行评估。我们考察了过去十年的WTI原油和汽油期货市场,并以条件风险价值为基准进行了比较分析。在高频结构方面,我们得出了实证研究结果。WTI的内源性系统性风险显著高于汽油,且汽油对WTI的影响水平始终高于汽油对WTI的影响水平。而且,虽然相对影响的程度是不对称的,但其差异性逐渐减小。
2020-12-08 q-fin.RM q-fin.ST q-fin.TR