Predicting Indian stock market using the psycho-linguistic features of financial news
Institute for Development and Research in Banking Technology (IDRBT)(银行技术发展与研究院);University of Hyderabad(海得拉巴大学);Indian Institute of Technology Kharagpur(印度理工学院卡哈拉格普尔分校)
利用新闻文章进行财务预测是一个新兴领域。本文提出了一种基于混合智能模型的股票市场预测方法,该方法使用从新闻文章中提取的心理语言变量(LIWC和TAALES)作为预测变量。为了预测的目的,我们采用了各种智能技术,如多层感知器(MLP),组数据处理方法(GMDH),一般回归神经网络(GRNN),随机森林(RF),分位数回归随机森林(QRRF),分类和回归树(CART)和支持向量回归(SVR)。我们对12家在孟买证券交易所(BSE)上市的公司股票的数据进行了实验。我们采用卡方和最大相关性和最小冗余(MRMR)的心理语言学功能,从新的文章等获得的功能选择技术,经过广泛的实验,使用Diebold-Mariano测试,我们得出结论,GMDH和GRNN是统计上最好的技术,在该顺序相对于MAPE和NRMSE值。
2019-11-07 cs.LG q-fin.ST
When does the stock market listen to economic news? New evidence from copulas and news wires
Brock University(布鲁克大学)
研究利用Copulas理论和基于新闻线的新闻指标,发现经济新闻对股市回报的影响非线性且不对称,市场对不利经济新闻反应强烈而对利好新闻则反应较弱。
2014-10-30 econ.GN q-fin.EC q-fin.ST
FNSPID: A Comprehensive Financial News Dataset in Time Series
该论文提出FNSPID,一个包含1999至2023年标普500公司股票价格与新闻的大规模数据集,通过实验证明其规模和质量能显著提升市场预测准确性,并提供了可复现的更新流程。
2024-02-09 q-fin.ST
A three-step machine learning approach to predict market bubbles with financial news
Department of Mathematics \& Statistics;University of Nevada, Reno
提出融合金融新闻NLP情绪特征、宏观经济指标与右尾单位根检验的三步集成学习框架,用于识别并预测S&P 500市场泡沫,提升预警准确性与稳健性。
2025-10-18 cs.LG q-fin.CP 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
Novel and topical business news and their impact on stock market activities
我们提出了一个指标来衡量的程度,一个特定的新闻文章是新颖的,以及一个指标来衡量的程度,一个特定的新闻项目吸引投资者的注意力。新颖性的衡量标准是通过比较某篇新闻文章与之前的新闻文章的相似程度来获得的,如果之前没有类似的文章,那么这篇文章就被认为是新颖的。另一方面,如果一条新闻同时被许多新闻机构报道,并且被许多从这些机构获得新闻的投资者阅读,那么它就受到了很多关注,因此具有高度的话题性。新闻条目的时事性度量是通过计算其内容与原始新闻文章相似但由其他新闻机构发布的新闻文章的数量来获得的。为了检验指标的表现,我们实证检验了这些指标与日内金融市场指标(如交易数量和价格波动)的相关性。具体来说,我们使用的数据集包括超过9000万的商业新闻报道的英语文章和一个数据集,包括每分钟的股票价格在纽约证券交易所和纳斯达克股票市场从2003年到2014年,并显示,股票价格和交易量表现出显着的反应,新闻文章时,它是新的和热门的。
2015-07-23 cs.CY physics.soc-ph q-fin.ST
Comparing LLMs for Sentiment Analysis in Financial Market News
Universidade do Estado do Amazonas (UEA)(亚马逊州立大学)
本文比较LLM与经典方法在金融市场新闻情感分析任务中的表现,量化各类模型优势,发现LLM在绝大多数情况下优于经典模型。
2025-10-03 cs.AI cs.CL q-fin.ST
A K-means Algorithm for Financial Market Risk Forecasting
Southern Methodist University(南卫理公会大学)
本研究采用K-means算法构建金融市场风险预测系统,有效解决了现有预测错误率高、精度低的问题,实验达到94.61%的准确率,提升了预测的准确性与效率。
2024-05-21 cs.LG q-fin.ST
Choosing News Topics to Explain Stock Market Returns
Columbia Business School(哥伦比亚商学院)
我们分析了新闻文章中选择主题来解释股票收益的方法。我们发现,通过经验和理论的结果,监督潜在狄利克雷分配(sLDA)实施通过吉布斯采样在随机EM算法往往会过拟合返回的主题模型的损害。我们通过随机搜索普通LDA模型获得更好的样本外性能。加强有效主题分配的分支程序通常表现最好。我们在超过90,000篇关于标准普尔500指数公司的新闻文章的档案中测试方法。
2020-10-14 cs.LG q-fin.ST stat.ML
DP-LSTM: Differential Privacy-inspired LSTM for Stock Prediction Using Financial News
Columbia University(哥伦比亚大学);Beijing Institute of Technology(北京理工大学)
股票价格预测是股票市场价值投资的重要内容。特别是,利用金融新闻文章的短期预测,近年来是有前途的。在本文中,我们提出了一种用于股票价格预测的新型深度神经网络DP-LSTM,它将新闻文章作为隐藏信息,并通过差分隐私机制整合不同的新闻来源。首先,在自回归滑动平均模型(ARMA)的基础上,考虑财经新闻文章的信息,建立了一个情感ARMA模型。然后,设计了一个基于LSTM的深度神经网络,它由三个组件组成:LSTM,VADER模型和差分隐私(DP)机制。所提出的DP-LSTM方案可以减少预测误差并提高鲁棒性。在S&P 500股票上的大量实验表明,(i)所提出的DP-LSTM在预测结果的平均MPA上实现了0.32%的改进,以及(ii)对于市场指数S&P 500的预测,我们在MSE上实现了高达65.79%的改进。
2019-12-20 cs.CL q-fin.ST
FinSMART: Financial Sentiment Analysis for Algorithmic Trading through Market-Aligned Reinforcement Learning
Imperial College London(帝国理工学院)
FinSMART是首个基于市场对齐强化学习的金融情感分析框架,通过市场感知数据过滤与非对称交易奖励优化情感信号,在交易回报等指标上较基线提升220%,可自适应市场动态。
2026-07-31 cs.CL cs.LG q-fin.ST
FinBERT-LSTM: Deep Learning based stock price prediction using News Sentiment Analysis
SRM Institute of Science and Technology(SRM科学技术研究所)
经济严重依赖股票市场。上升趋势通常对应于繁荣,而下降趋势则与衰退相关。因此,长期以来,预测股票市场一直是研究和实验的中心。能够预测市场的短期走势使投资者能够从投资中获得更大的回报。股票价格极不稳定,对金融市场十分敏感。在本文中,我们使用深度学习网络来预测股票价格,吸收金融,商业和技术新闻文章,这些文章提供了有关市场的信息。首先,我们创建了一个简单的多层感知器(MLP)网络,然后扩展到更复杂的递归神经网络(RNN),如长短期记忆(LSTM),最后提出了FinBERT-LSTM模型,该模型通过分析短期市场信息,整合新闻文章情绪来更准确地预测股票价格。然后,我们在NASDAQ-100指数股票数据和纽约时报新闻文章上训练模型,以使用平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和准确性指标来评估MLP、LSTM、FinBERT-LSTM模型的性能。
2022-11-11 cs.LG q-fin.ST
Dual-CLVSA: a Novel Deep Learning Approach to Predict Financial Markets with Sentiment Measurements
University of Massachusetts Lowell(马萨诸塞大学洛厄尔分校);Soochow University(苏州大学)
预测金融市场是一项具有挑战性的任务。这一任务的复杂性主要在于金融市场与市场参与者之间的互动,市场参与者不能始终保持理性,往往受到恐惧、狂喜等情绪的影响。基于最先进的方法,特别是金融市场预测,基于混合卷积LSTM的变分序列到序列模型与注意力(CLVSA),我们提出了一种新的深度学习方法,称为双CLVSA,预测金融市场运动与交易数据和相应的社会情绪测量,每个通过一个单独的序列到序列通道。我们通过对SPDR SP 500 Trust ETF八年来的历史交易数据进行回测来评估我们的方法的性能。实验结果表明,双CLVSA可以有效地融合这两种类型的数据,并验证情绪测量不仅是金融市场预测的信息,但他们也包含额外的有益功能,以提高我们的预测系统的性能。
2022-01-27 cs.LG q-fin.CP q-fin.ST
Financial Markets and Persistence
持久性研究在金融环境下,通过映射的时间演变的股票报价在伦敦金融时报证券交易所100指数(富时100)到伊辛自旋。通过遵循自旋的时间依赖性,我们发现了幂律衰减的比例的份额,保持高于或低于他们的“开始\rq值的证据。因此,我们估计基础金融市场的持续性指数为$θ_f\sim 0.5$。
2006-01-09 physics.soc-ph q-fin.ST
Price dynamics in financial markets: a kinetic approach
简要回顾了基于偏微分方程的动力学模型在金融市场股票价格形成动力学中的应用。强调和讨论了市场繁荣和崩溃中行为方面的重要性以及代理人异质性在新兴幂律价格分布中的作用。
2010-07-09 cond-mat.stat-mech q-fin.ST q-fin.TR
How news affect the trading behavior of different categories of investors in a financial market
我们调查了大量的单一投资者交易的高流动性的诺基亚股票在2003年至2008年期间的交易行为,目的是确定内生和外生因素,可能会影响他们的行为的相对作用。作为内生因素,我们考虑回报率和波动性,而我们使用的外生因素是每日新闻总数和基于新闻情绪分析的语义变量。数据的线性回归和偏相关分析表明,不同类别的投资者与这些因素的相关性不同。政府和非赢利性机构对新闻和回报或波动性的敏感性较弱,而且通常与前者的相关性大于与后者的相关性。相反,家庭和公司对内生和外生因素都非常敏感,平均而言,波动性和回报率分别比新闻和情绪的数量更相关。最后,金融机构和外国组织介于这两种情况之间,就这些因素的总解释力和相对重要性而言。
2012-07-13 q-fin.ST
Self-fulfilling Ising Model of Financial Markets
我们研究了一个动态的伊辛模型的代理人的意见(买或卖)与耦合系数不断重新评估的时间,根据如何过去的外部消息(磁场)已经实现的市场回报。通过结合羊群效应,外部新闻和私人信息的影响,我们在同一个模型中测试代理人是理性与非理性的假设。我们发现,金融市场的程式化的事实,只有当代理人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。
2005-03-31 cond-mat.stat-mech physics.soc-ph q-fin.ST
Eroding market stability by proliferation of financial instruments
我们对比套利定价理论(APT),金融工具的发展的理论基础,与一个相互作用的市场的动态图片,在一个简单的设置。金融工具的扩散显然为分散风险提供了更多的手段,使市场更加有效和完整。在这里讨论的交易者相互作用的简单市场中,金融工具的扩散侵蚀了系统稳定性,并将市场推向一个临界状态,其特征是敏感性大,波动剧烈,风险之间的相关性增强。这表明APT的假设可能与稳定的市场动态不相容。从这个角度来看,市场稳定具有共同利益的性质,这表明应在衍生品市场中采取适当措施,以保持稳定。
2009-10-01 q-fin.GN q-fin.ST q-fin.TR
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
Effects of the globalization in the Korean financial markets
我们研究全球化对新兴市场之一的韩国市场的影响。根据最新的市场数据,韩国市场的一些特征与成熟市场不同,这是由于外国市场或投资者的影响。我们专注于过去二十年的市场网络结构,了解市场的历史,并确定全球化效应和市场整合作为时间的函数。
2005-11-15 physics.soc-ph q-fin.ST
A threshold model of financial markets
本文在伊辛自旋模型的基础上提出了一个市场主体相互作用的模型。代理人可以采取三种行动:“买入”、“卖出”或“保持不活动”。“我们根据系统磁化定义了价格演变。该模型再现了真实市场的主要程式化事实,例如:收益率的厚尾分布和波动率聚集。
2008-06-24 physics.soc-ph q-fin.ST
An econophysics approach to analyse uncertainty in financial markets: an application to the Portuguese stock market
近年来,几个科学领域之间的相互关系越来越密切,试图对自然和社会现象做出更现实、更丰富的解释。其中,应该强调的是物理学和金融理论之间日益增长的相互关系。在这一领域,对金融分析中至关重要的不确定性的分析可以使用物理统计学和信息论的测量方法,即香农熵。这种方法的一个优点是熵是比方差更一般的度量,因为它考虑了概率分布函数的高阶矩。使用从葡萄牙股票市场收集的数据进行了实证应用。
2005-09-30 physics.soc-ph q-fin.ST
Correlations and Flow of Information between The New York Times and Stock Markets
我们使用随机矩阵理论(RMT)和信息论来分析2015-2016年期间10个月内《纽约时报》的64,939条新闻与40个世界金融指数之间的相关性和信息流。这组新闻被量化,并使用情绪分析工具转化为每日极性时间序列。RMT的结果表明,一个共同的因素导致世界指数和新闻,甚至有相同的动态。此外,在加入白噪声时,发现全局相关结构保持不变,这表明相关性不是由于样本大小效应。同样,我们发现很多信息从新闻流到世界指数的具体延迟,对交易目的具有实际意义。我们的研究结果表明,新闻和世界指数之间存在着深刻的关系,并显示了新闻驱动世界市场运动的情况,为支持行为金融学作为当前经济范式提供了新的证据。
2017-07-18 physics.soc-ph q-fin.ST
A new space-time model for volatility clustering in the financial market
提出了一种新的金融市场上相互作用主体的时空模型。它是居里-外斯模型和Järpe 2005年引入的时空模型的结合。该模型的属性推导出重点的临界温度和磁化强度。事实证明,哈密顿量是温度参数的充分统计量,因此可以进行关于该参数的统计推断。因此,例如,可以做出关于当前金融状况离金融危机有多远的声明,并且可以监视金融交易稳定性以检测恶意风险指示信号。
2010-02-03 q-fin.ST q-fin.TR
Detection of Temporality at Discourse Level on Financial News by Combining Natural Language Processing and Machine Learning
University of Vigo(维戈大学)
本文提出一种结合自然语言处理与机器学习的新系统,利用句法和语义依赖特征在话语层面检测金融新闻中关键陈述的时间性,以区分背景信息与预测内容,实验显示其检测精度优于基于规则的基线方法,为市场筛选中的金融决策提供预测性知识支持。
2024-03-30 cs.CE cs.CL cs.IR
Dynamic Conditional Correlation between Electricity and Stock markets during the Financial Crisis in Greece
电力市场的自由化越来越需要了解电力市场和金融市场之间的波动性和相互关系。这项工作揭示了这两个市场之间的相关模式的结构性变化的存在,并将变化与市场的基本面和监管条件以及当前的欧洲金融危机联系起来。我们应用动态条件相关(DCC)GARCH模型来研究一组市场的基本变量和希腊的金融市场和微观经济指标之间的相互作用。重点是在严重的金融危机时期的国家,以了解这两个市场之间的传染和波动溢出。
2017-08-11 q-fin.ST
Understanding the Impact of News Articles on the Movement of Market Index: A Case on Nifty 50
Praxis Business School(普拉西斯商学院)
本文针对以往研究忽视新闻主题差异的问题,结合多主题新闻情感分析 Nifty 50 指数走势,证明非市场类主题情感也会显著影响指数。
2024-11-22 cs.CL cs.LG q-fin.ST
Correlation of financial markets in times of crisis
利用世界上主要金融市场指数的相关矩阵的特征值和特征向量,我们证明了市场的高波动性与它们之间的强相关性直接相关。这意味着市场在大崩盘时往往表现得像一个整体。为了做到这一点,我们调查了1987年(黑色星期一),1989年(俄罗斯危机),2001年(互联网泡沫破裂和9月11日)和2008年(次贷危机)发生的几次金融市场危机,这些危机标志着过去三十年来金融市场最大的衰退。
2011-03-10 q-fin.ST
Characterizing Financial Market Coverage using Artificial Intelligence
LICEF Research Center, Université TÉLUQ(魁北克大学远程教育大学LICEF研究中心);LORIA, Université de Lorraine(洛林大学洛林计算机科学及其应用实验室);Université de Sherbrooke(舍布鲁克大学);Laplace Insights(拉普拉斯洞察公司)
本文仔细研究了超过4900个YouTube视频的数据库,以表征金融市场的覆盖面。金融市场报道产生大量视频。因此,观看这些视频以获得可操作的见解可能具有挑战性和复杂性。在本文中,我们利用OpenAI的语音到文本模型Whisper来生成来自彭博社和雅虎财经的市场报道视频的文本语料库。我们采用自然语言处理从市场覆盖率中提取有关语言使用的见解。此外,我们还研究了趋势主题的突出存在及其随时间的演变,以及一些个人和组织对金融市场的影响。我们的特点突出了金融市场报道的动态,并提供了宝贵的见解,反映了有关最近金融事件和世界经济的广泛讨论。
2023-02-07 cs.AI cs.CL cs.CY
Automatic detection of relevant information, predictions and forecasts in financial news through topic modelling with Latent Dirichlet Allocation
University of Vigo(维戈大学)
本文提出一种结合文本分割、共指消解、LDA主题建模和时间性分析的NLP系统,用于自动检测金融新闻中的相关文本及预测/预报,并在2,158条标注新闻上取得0.662和0.982的ROUGE-L值,首次在话语层面联合考虑相关性与时间性。
2024-03-30 cs.CE cs.CL cs.IR
Multiscale Causal Analysis of Market Efficiency via News Uncertainty Networks and the Financial Chaos Index
本研究利用 Financial Chaos Index 结合 Granger 因果与网络分析,发现日度频率下市场半强式有效假说被拒绝而月度频率下成立,揭示了财政与货币政策不确定性在系统性波动中的核心发起作用。
2025-05-02 econ.EM q-fin.ST
Evaluating the Financial Market Function in Prewar Japan using a Time-Varying Parameter Model
本文利用一个新的数据集,在Fama(1970)的半强式市场有效性的意义下,探讨了战前日本金融市场何时丧失了价格形成功能。我们特别关注战前日本金融市场和几次政府政策干预之间的关系,以探讨半强式市场有效性是否随时间而演变。为了捕捉政府政策干预对市场的长期影响,我们测量的时变联合程度的市场有效性和时变脉冲响应伊藤等人的基础上。的(2014; 2017)基于广义最小二乘的时变向量自回归模型。实证结果表明:(1)战前日本金融市场的市场有效性联合程度随时间的推移而波动,主要受政策变化和战争等外部事件的影响;(2)战前日本金融市场几乎支持半强式有效市场假说,(3)即使考虑到公开信息对金融市场的影响,Lo(2004)的适应性市场假说在战前的日本金融市场也得到了支持,1932年是战前日本金融市场价格形成功能丧失的转折关头。
2021-06-03 econ.GN q-fin.EC q-fin.PR
Hybrid News Sentiment Engine: Real-Time Market Analysis via Adaptive Ensemble Learning on News-Price Pairs
提出一种无需神经网络训练的混合新闻情绪引擎,通过自适应集成学习(金融词典、TF-IDF聚类学习器和自动校准加权机制)从新闻标题与资产价格快照中实时学习市场情绪,实现低延迟、零边际成本的市场分析。
2026-06-02 q-fin.CP q-fin.ST
A Comparison between Financial and Gambling Markets
School of Mathematics and Statistics, University of St Andrews(圣安德鲁斯大学数学与统计学院)
本文比较了金融市场与赌博市场,探讨了交易平台、产品、流程、参与者和策略等方面的异同,发现两者存在诸多相似之处,并指出金融市场的策略可应用于赌博市场,如统计套利在对冲平台上被有效使用。
2026-05-12 q-fin.ST
Predicting future stock market structure by combining social and financial network information
我们证明,未来市场的相关性结构可以预测高样本外的准确性,使用一个多路复用的网络方法,结合从社交媒体和金融数据的信息。市场结构是通过量化资产价格回报的共同运动来衡量的,而社会结构则是通过社交媒体对这些资产的意见的共同运动来衡量的。预测是通过一个简单的模型来获得的,该模型使用链接持久性和通过跨金融和社交媒体层的三元闭合的链接形成。结果表明,与假设时不变金融相关结构的基准模型相比,该模型可以预测未来市场结构,样本外性能提高高达40%.社交媒体信息导致所有测试设置的改进模型,特别是在金融市场结构的长期预测中。令人惊讶的是,金融市场结构比社会舆论结构表现出更高的可预测性。
2018-11-26 q-fin.ST
Hierarchical structure of stock price fluctuations in financial markets
金融市场和动荡由于相同的定量方法和几个共同的程式化事实而被广泛地比较。本文应用She-Leveque(SL)体系来研究和量化金融市场中股票价格波动的层次结构,该体系用于解释流体湍流中速度波动的标度指数偏离Kolmogorov单分形标度的现象.因此,我们观察到一些有趣的结果:(i)与多重分形标度相关的层次结构普遍存在于我们研究的所有股票价格波动中。(ii)发达金融市场与新兴市场之间描述SL层次结构的定量统计参数存在明显差异。(iii)对于高频股票价格波动,不同时间段的层次结构不同。这些结果为研究金融市场的波动性和金融市场动力学提供了一个新的类比,也为深入理解金融市场的多重分形性提供了一个新的视角。
2012-09-19 q-fin.ST
The study of Thai stock market across the 2008 financial crisis
金融市场的上同调理论允许我们在大统一理论中明确定义八种市场状态的情况下,对时间序列数据随时间段的Kolmogorov空间进行变形。在金融市场崩溃的情况下,由交易者之间的耦合行为场诱导的反德西特空间在金融市场时空中起着类似引力场的作用。在这种混合数学超结构下,我们利用泡利矩阵和修正的Wilson环为时间序列数据重新定义了一个行为矩阵。我们用它来检测2008年金融市场崩溃,通过使用一个度的上同调群的球在张量场的相关矩阵在所有可能的主导股票的泰国SET 50指数期货。利用相关矩阵的经验模态分解和内在时间尺度分解以及平面图的贴近中心度计算,对金融张量网络进行了实证分析。
2016-06-09 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
Fractal Markets Hypothesis and the Global Financial Crisis: Scaling, Investment Horizons and Liquidity
我们研究了分形市场假说及其对流动性和投资视野的关注是否对21世纪末全球金融危机等金融危机期间的金融市场动态做出了合理的预测。与主流的有效市场假说相比,分形市场假说认为金融市场是由多个异质主体组成的复杂系统,这些异质主体的区别主要体现在它们的投资期限上。本文通过标度交易过程的方差,引入了几种新的度量不同投资期限下交易活动的方法。在三个最具流动性的美国指数-大疆,纳斯达克和标准普尔500-我们表明,分形市场假说的预测实际上符合观察到的行为相当好。
2012-03-22 q-fin.GN q-fin.ST
Complex Systems: From Nuclear Physics to Financial Markets
我们比较了原子核和金融市场的相关性和相干结构。在核物理部分,我们回顾了巨共振,它可以被解释为嵌入混沌的相干结构。用类似的方法,我们研究了DAX和道琼斯指数的金融经验相关矩阵。我们将证明,如果时区延迟被适当地考虑,这两个不同的市场在很大程度上合并为一个。这是反映了最大的特征值,发展相对于其余的差距,混沌特征值。通过对金融总体特性的扩展研究,我们还讨论了金融对数周期的临界相似现象,并给出了具体的例子。
2009-10-22 q-fin.ST
Algorithmic Complexity in 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。基于Kolmogorov-Chaitin理论的物理复杂性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。
2001-04-24 cond-mat.dis-nn cond-mat.stat-mech q-fin.ST
Joint News, Attention Spillover,and Stock Returns
本文基于综合新闻数据集与SEC EDGAR访问记录,发现联合新闻引发股票间注意力传染与溢出,导致个股估值暂时偏高及收益反转,且聚合的联合新闻覆盖率能强烈负向预测未来市场收益,揭示了注意力传染对市场整体高估的作用。
2025-07-15 q-fin.ST
Multiple Time Series Ising Model for Financial Market Simulations
本文提出了一个模拟多个金融时间序列的伊辛模型。我们的模型引入了耦合到其他系统的自旋的相互作用。从我们的模型的模拟表明,时间序列表现出波动率聚集,经常观察到在现实的金融市场。此外,我们还发现,从我们的模型的波动率之间的非零交叉相关。因此,我们的模型可以模拟股票市场的股票波动是相互关联的。
2016-11-24 q-fin.CP q-fin.ST
Spiraling toward market completeness and financial instability
我研究了一个大型随机经济的极限,在这个经济中,一组消费者投资于银行设计的金融工具,以优化他们未来的消费。这一实践表明,即使在完全竞争的理想情况下,所有市场参与者都可以获得充分的信息,随着市场接近完全性和交易成本消失,均衡也会对市场不完善产生明显的脆弱性(或敏感性)。交易成本的减少是因为金融机构利用交易工具来对冲其他工具。这就需要银行间市场的交易量在完全市场的极限上出现分歧。这些结果表明,金融工具的扩散加剧了市场不完善的影响,呼吁市场作为相互作用的系统的理论。从另一个角度来看,为了防止不利影响的升级,市场可能需要随着其复杂性的扩大而越来越引人注目的体制结构。
2009-06-08 q-fin.GN q-fin.PR q-fin.ST
Learning Undirected Graphs in Financial Markets
我们从金融市场数据的角度研究了拉普拉斯结构约束下无向图模型的学习问题。我们发现,拉普拉斯约束有意义的物理解释相关的市场指数因子和股票之间的条件相关性。这些解释导致了一套准则,用户在估计金融市场中的图形时应该知道。此外,我们还提出了学习无向图的算法,这些无向图可以解释金融数据固有的程式化事实和任务,如非平稳性和股票聚类。
2020-11-09 q-fin.CP q-fin.ST stat.ML
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 statistical physics perspective on criticality in financial markets
股票市场是一个复杂的系统,表现出集体现象和特定的特征,如同步性,波动分布的幂律,非随机结构和神经网络的相似性。这些特殊的性质表明,市场在一个非常特殊的点上运行。金融市场被认为是至关重要的类比物理系统,但很少有统计基础的证据已经给出。通过一个基于数据的方法和模拟的启发,复杂系统的统计物理学比较,我们表明,道琼斯指数集并不严格的关键。然而,金融系统更接近崩溃附近的临界点。
2014-01-27 physics.data-an q-fin.ST
International Financial Markets Through 150 Years: Evaluating Stylized Facts
本文通过检验150年间亚洲、欧洲大陆、美国及两种主要加密货币的数据,评估了十一个金融市场典型化事实的稳健性与可推广性。
2025-04-11 q-fin.GN q-fin.ST
Cross-correlation in financial dynamics
为了研究金融动力学中相互作用的普遍结构,我们分析了中国股票市场价格收益的交叉相关矩阵C,并与美国和印度股票市场的交叉相关矩阵C进行了比较。作为一个重要的新兴市场,中国市场表现出比发达市场更强的相关性。在中国市场上,同一行业的股票之间的相互作用很弱,而在异常行业中检测到额外的相互作用。利用双因子模型的一个变体,我们模拟了金融市场中的相互作用.
2012-02-02 physics.comp-ph q-fin.ST
Networks of equities in financial markets
我们回顾了最近的方法,相关性为基础的网络的金融股票。我们研究了不同时间范围的股票投资组合,金融指数和波动时间序列,我们表明,有意义的经济信息可以从噪声相关矩阵中提取。我们表明,该方法可以用来伪造广泛的市场模型,通过直接比较真实和人工市场的网络的拓扑性质。
2004-01-16 cond-mat.stat-mech q-fin.ST
Dynamical model of financial markets: fluctuating `temperature' causes intermittent behavior of price changes
我们提出了一个金融市场的模型,最初提出的湍流,作为其间歇性行为的动态基础。价格变化的时间演化被假定为描述的布朗运动在幂律势,“温度”波动缓慢。该模型通常会产生一个厚尾分布的价格变化。当逆温度服从$χ^{2}$ -分布时,得到了Tsallis分布,这与外汇市场的日内数据定性一致.所谓的“波动性”是一个表明金融市场风险或活动的量,相当于市场的温度,其波动导致波动性。
2002-10-04 cond-mat.stat-mech q-fin.ST
Lower spectrum of financial correlation matrices: a new perspective on market synchronization
University of Milano-Bicocca(米兰比可卡大学)
该研究提出从金融相关矩阵的下谱视角分析市场同步性,补充了主成分分析和随机矩阵理论的经典框架,通过真实数据实验验证了最小特征值含市场有效结构信息的方法论有效性。
2026-08-11 q-fin.MF q-fin.ST
Simulations of financial markets in a Potts-like model
在Potts模型的基础上提出了一个三态模型来模拟金融市场。这三种状态被分配为“买入”、“卖出”和“不活跃”状态。该模型显示了金融市场中观察到的主要程式化事实:收益率的厚尾分布和绝对收益率的长期相关性。在低的不活动率,该模型有效地减少到两个状态模型的Bornholdt和显示类似的结果Bornholdt模型。随着不活跃性的增加,我们观察到收益率的指数分布。
2005-03-07 cond-mat.other q-fin.ST
Interplay between endogenous and exogenous fluctuations in financial markets
我们解决微观,代理人为基础,宏观,随机,建模的金融市场结合它与外源噪声。代理人的内生动力学和外源噪声之间的相互作用是主要的机制,负责观察到的长期依赖性和高波动性的回报率区间的统计特性。我们所说的外生噪声是指信息流或/和订单流波动。基于所提出模型的数值结果表明,外生波动必须被视为金融市场综合建模不可或缺的一部分。
2016-11-19 q-fin.CP q-fin.ST