Time-varying properties of asymmetric volatility and multifractality in Bitcoin
本文采用滚动窗口方法研究了比特币日收益率的波动性和比特币市场的多重分形特性，并考察了波动不对称性与市场有效性之间的关系。虽然我们发现比特币的波动性存在反向不对称性，但其幅度会随着时间的推移而变化，最近它变得很小。这种不对称的波动模式也存在于更高频率的回报中。其他测量，如峰度，偏度，平均值，序列相关性和多重分形度，也随着时间的推移而变化。因此，我们认为比特币市场的属性主要取决于时间。我们研究效率相关的措施：赫斯特指数，多重分形度，峰度。我们发现，当这些措施代表市场是更有效的，波动不对称性减弱。对于最近的比特币市场，效率相关指标和波动不对称性都证明了市场变得更有效率。
2021-02-15 q-fin.ST
Statistical properties and multifractality of Bitcoin
利用比特币价格的1分钟收益率，我们研究了比特币时间序列的统计特性和多重分形性。我们发现，1分钟收益率分布是厚尾的，峰度很大程度上偏离高斯期望。虽然对于大的采样周期，峰度预计接近高斯期望，我们发现，收敛到这是非常缓慢的。偏度被发现是负的时间尺度短于一天，并成为一致的时间尺度长于约一周的零。我们还使用GARCH、GJR和RGARCH模型研究了每日波动的不对称性，没有发现任何证据。在使用多重分形去趋势波动分析探索多重分形性时，我们发现比特币时间序列具有多重分形性。研究了多重分形性的来源，证实了时间相关性和厚尾分布对多重分形性的贡献，并从多重分形性质的角度考察了2016年6月23日英国“脱欧”对英镑-美元汇率和比特币的影响。我们发现，虽然英国脱欧影响了英镑-美元汇率，但比特币对英国脱欧表现强劲。
2018-05-26 q-fin.ST
Is Bitcoin really a currency? A viewpoint of a stochastic volatility model
本研究使用非对称随机波动率模型，研究了2013年1月1日至2019年8月31日期间比特币的收益率和波动率的周内和假日效应;在此背景下，我们还讨论了比特币作为金融资产的特征。估计的结果有三个方面。首先，研究结果显示，星期六和星期日的波动性比一周其他时间的波动性有一个小的星期效应。第二，虽然在活跃的交易国家，即日本，中国，德国和美国的假日效应进行了研究，但只有在美国观察到了对收益率的正的节后效应和对波动性的弱的正的节前效应。最后，未观察到不对称效应。将比特币与股票、货币和黄金等几种资产进行比较，可以看出比特币在股票、货币和黄金之间的定位与周效应和假日效应有关，它对联邦基金和交易媒介特性的反应，以及缺乏不对称效应。
2021-11-10 q-fin.ST
Modelling and Predicting the Conditional Variance of Bitcoin Daily Returns: Comparsion of Markov Switching GARCH and SV Models
本文比较了MS-GARCH与SARV等模型对比特币日收益率条件方差的样本外预测表现，发现SARV模型整体优于MS-GARCH，为风险管理提供了指导。
2024-01-10 q-fin.RM q-fin.ST
Scaling properties of extreme price fluctuations in Bitcoin markets
幂律行为的检测和标度指数的研究揭示了许多现实世界现象的复杂性特征。金融市场的复杂性一直是具有挑战性的问题，并提供有趣的发现，如股票价格波动分布尾部的逆立方定律。基于区块链技术的新型数字资产的兴起，我们研究了加密货币价格波动的分布。我们考虑比特币在不同时间间隔和多个数字交易所的回报，以研究尾部是否存在普遍的标度行为，并确定标度指数是否支持有限二阶矩的存在。我们提供了经验证据，在多个时间间隔和不同的交易所的回报率分布的缓慢衰减的尾巴，对应于一个幂律。我们估计了标度指数，并发现了2 < α < 2.5的渐近幂律行为，这表明比特币的回报率除了波动性更大之外，还表现出比股票更重的尾部，已知股票的尾部约为3。我们的研究结果也意味着存在一个有限的二阶矩，从而提供了一个基本的基础上使用标准的金融理论和协方差为基础的技术在风险管理和投资组合优化方案。
2018-03-22 q-fin.ST
Deep Learning for Digital Asset Limit Order Books
这篇论文表明，时间CNN可以从限价订单簿数据中准确预测比特币现货价格走势。在2秒的预测时间范围内，我们在流行的加密货币交易所coinbase上实现了71%的向前走的准确性。我们的模型可以在不到一天的时间内在商品GPU上进行训练，这些GPU可以安装到托管中心，从而允许模型与现有的更快的订单预测模型同步。我们在https://github.com/Globe-Research/deep-orderbook上提供源代码和数据。
2020-10-03 q-fin.ST
The link between Bitcoin and Google Trends attention
本文表明，比特币与Castelnuovo和Tran（2017）的Google Trends数据衡量的一般不确定性指数不相关。相反，比特币与专门针对加密货币市场的Google Trends关注度指标相关联。首先，我们发现谷歌趋势关注度和比特币回报率之间存在双向关系，最长可达六天。其次，从比特币波动到谷歌趋势关注的信息流似乎比其他方向的信息流更大。这些关系在不同的子时期和拟议的Google Trends Cryptocurrency指数的不同组成中保持不变。
2021-06-13 q-fin.ST
Bitcoin market route to maturity? Evidence from return fluctuations, temporal correlations and multiscaling effects
基于自2012年以来记录的1分钟价格变化，从收益率分布、波动自相关、赫斯特指数和多尺度效应等方面，对快速崛起的比特币（BTC）市场的波动特性进行了评估。研究结果相比，成熟的世界市场的程式化的事实。虽然早期交易受到系统特定违规行为的影响，但发现在2018年4月之前的几个月里，所有这些统计指标都接近标志成熟度的特征。这可以被视为一个迹象，表明比特币市场，可能还有其他加密货币，具有即将成为一个常规市场的具体潜力，替代外汇（外汇）。由于自交易开始以来就可以获得高频价格数据，比特币为了解市场成熟轨迹的统计特征提供了一个独特的窗口。
2018-07-19 cs.CE econ.EM q-fin.ST
An empirical study of market risk factors for Bitcoin
本文通过多种统计方法实证检验Fama-French股票因子对比特币超额收益的解释力，以判断股票市场因子能否有效建模比特币的系统性风险。
2024-07-01 q-fin.CP q-fin.MF q-fin.ST
Dimensionality reduction for prediction: Application to Bitcoin and Ethereum
Napoleon Group（拿破仑集团）；CREST Institut Polytechnique de Paris（巴黎综合理工学院CREST）
本文的目的是评估降维技术的性能，以建立加密货币之间的联系。我们的分析集中在两种交易量最大的加密货币上：比特币和以太坊。为了执行我们的分析，我们采用了log返回并添加了一些协变量来构建我们的数据集。我们首先引入了皮尔逊相关系数，以便对比特币和以太坊之间的联系进行初步评估。然后，我们减少了我们的数据集的典型相关分析和主成分分析的维度。在使用这两种统计技术分析了比特币和以太坊之间的联系之后，我们测量了它们在预测以太坊回报方面的表现。
2022-02-10 cs.LG q-fin.ST
Examining the Effect of Monetary Policy and Monetary Policy Uncertainty on Cryptocurrencies Market
本研究采用MSM-VAR方法分析2010-2023年数据，发现货币政策不确定性在高低波动机制下均对比特币收益产生负面影响，并探讨了比特币对FOMC决策的敏感性。
2023-10-25 q-fin.GN 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
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
The leverage effect and other stylized facts displayed by Bitcoin returns
本文基于2013-2020年BTC-USD日内数据研究比特币收益的典型事实，发现其统计特性与个股或指数相似，但在自相关和杠杆效应上与法币汇率存在明显差异，并识别出两种不同的市场状态。
2021-01-31 q-fin.ST q-fin.TR
Scaling and shape of financial returns distributions modeled as conditionally independent random variables
假设金融收益在条件于时变波动率时独立，证明收益分布可由条件独立随机变量之和描述并呈简单标度形式，其尾部特征直接源于波动率分布，并在S&P 500、股票与比特币数据上得到验证。
2025-04-29 q-fin.ST stat.AP
Multifractality and sample size influence on Bitcoin volatility patterns
Hiroshima University of Economics（广岛经济大学）
本文基于比特币数据研究有限样本效应对已实现波动率赫斯特指数的影响，发现赫斯特指数随采样周期增大而减小，并揭示其粗糙波动率特征及弱于价格收益率的多重分形性。
2025-11-05 q-fin.ST
Fitting Generalized Tempered Stable distribution: Fractional Fourier Transform (FRFT) Approach
本文研究了丰富的广义回火稳定分布（正态分布的替代方案）和用于对资产回报率和许多物理和经济系统建模的$α$-稳定分布。首先，我们探讨了广义回火稳定（GTS）分布的一些重要性质。开发的理论工具被用来进行实证分析。GTS分布使用标准普尔500，SPY ETF和比特币BTC拟合。分数傅里叶变换（FRFT）技术评估概率密度函数及其导数的最大似然过程。基于统计推断的结果和Kolmogorov-Smirnov（K-S）拟合优度，GTS分布拟合SPY ETF回报的基础分布。比特币BTC回报率的右侧和标准普尔500回报率基础分布的左侧符合回火稳定分布;而比特币BTC回报率的左侧和标准普尔500回报率基础分布的右侧由复合泊松过程建模。
2022-06-04 math.PR q-fin.ST
Chance or Chaos? Fractal geometry aimed to inspect the nature of Bitcoin
本文应用分形几何分析Bitcoin等9种加密货币与传统资产的回报表现，发现Bitcoin价格具有高持续性从而降低效率但提高可预测性，且完全去中心化的加密货币在任何时间尺度上均表现出自相似特征。
2023-09-01 q-fin.ST
Stylized Facts of High-Frequency Bitcoin Time Series
本文分析2019-2022年高频比特币数据，发现收益率呈异常扩散、重尾和多重分形特征，且市场效率随时间提升。
2025-06-22 q-fin.ST stat.AP
Comparative analysis of stationarity for Bitcoin and the S&P500
本文基于Wiener–Khinchin定理比较S&P500与比特币日内收益的平稳性，发现分段、去趋势及归一化窗口对两类资产的局部平稳性具有不同影响。
2024-08-06 cond-mat.stat-mech q-fin.ST
Chaos and Order in the Bitcoin Market
比特币价格近年来飙升，也出现了快速衰减的阶段。在本文中，我们讨论了这个新的加密货币市场在多大程度上可以被视为经典或半有效市场的问题。用于估计多重分形属性的新颖而强大的工具被用来表明比特币价格呈现出非常有趣的多尺度相关结构。这种结构可以用收益率方差随时间增量的幂律行为来描述，它可以用两个参数来表征，波动率和赫斯特指数。然而，这些幂律参数随时间变化。引入了广义赫斯特指数的新概念，它允许我们检查底层信号的多重分形特征是否被很好地捕获。此外，还展示了如何使用幂律参数的监测来识别比特币价格的政权转移。提出了一种基于局部幂律参数拟合优度的区域切换识别方法。它会自动检测与比特币市场中一些已知事件相关的日期。此外，一个非常令人惊讶的结果是，尽管近年来比特币价格的疯狂上涨及其多重分形和非平稳特性，但当观察其整个存在期间时，该价格既具有局部幂律行为，又具有非常有序的相关结构。
2019-04-04 q-fin.ST
Order book model with herd behavior exhibiting long-range memory
在这项工作中，我们提出了一个具有羊群行为的订单簿模型。建议的模型是建立在两个不同的方法：最近的实证研究的详细订单簿记录金泽等人。120，138301]和金融羊群行为模型。结合这些方法，我们可以提出一个模型，复制绝对收益和交易活动的长期记忆。我们将模型的统计特性与比特币汇率和纽约证券交易所报价机的经验统计特性进行了比较。我们还表明，在高频绝对收益率时间序列的谱密度的断裂可能与向均衡价格收敛的机制。
2019-04-08 physics.soc-ph q-fin.ST
Complexity of Financial Time Series: Multifractal and Multiscale Entropy Analyses
本研究运用MF-DFA和RCMSE方法对比分析比特币、外汇、黄金和天然气的价格时间序列复杂性，发现比特币复杂度最高，或与其对数收益率的强非线性相关，为市场风险与可预测性研究提供参考。
2025-07-31 physics.data-an q-fin.ST
Microscopic understanding of heavy-tailed return distributions in an agent-based model
金融时间序列中收益率的分布呈现厚尾性。在实证研究中，人们发现，订单簿中订单之间的差距会导致价格大幅波动，从而导致这些沉重的尾部。我们建立了一个基于代理的模型来研究这个问题，特别是，如何在订单簿的差距出现。在我们的模型中的交易机制是基于双向拍卖订单簿，这是几乎所有的证券交易所使用。在订单簿上满是限价订单的情况下，我们观察不到厚尾分布。一旦流动性减少，缺口结构就会形成，导致收益率分布具有厚尾。我们表明，如果可用流动性受到限制，具有重尾的收益分布是订单簿效应。这在很大程度上独立于具体的交易策略。
2012-07-12 q-fin.CP q-fin.ST q-fin.TR
Impact of the COVID-19 pandemic on the financial market efficiency of price returns, absolute returns, and volatility increment: Evidence from stock and cryptocurrency markets
该研究分析股票与加密货币市场的收益率、绝对收益率和波动率增量，发现COVID-19对市场有效性的影响因市场和指标而异，并提示按疫情分段分析可能产生误导。
2025-04-26 q-fin.ST
Cryptocurrencies in the Balance Sheet: Insights from (Micro)Strategy -- Bitcoin Interactions
本文研究企业比特币国库策略背景下加密货币与股市的关联，通过39家持币公司数据发现正向联动及BTC的信息主导地位，提出需动态对冲比率，为风险管理提供参考。
2025-05-20 cs.IT math.IT q-fin.GN
From orders to prices: A stochastic description of the limit order book to forecast intraday returns
我们提出了一个微观模型来描述限价订单簿（LOB）中的基本事件的动态：订单到达和取消。它基于单个订单的算子代数，并描述了它们对LOB的影响。模型的输入是从交易者的个人行为中产生的到达率和取消率分布，我们展示了价格和流动性是如何从LOB动态中产生的。在一个模拟研究中，我们说明了模型是如何工作的，并强调其敏感性的假设有关的市场参与者的集体行为。从经验上讲，我们在XETRA的LOB快照上测试了模型，估计了几个线性化模型规格，并进行了样本内和样本外预测。基于同期信息的样本内结果表明，我们的模型很好地描述了回报，导致调整后的$R^2$约为80%。在更现实的设置中，只有过去的信息进入模型，我们观察到调整后的$R^2$约为15%。下一次返回的方向可以预测（样本外），对于10分钟以下的时间范围，准确度超过75%。平均而言，我们得到的RMSPE比文献中记录的值低10倍。
2021-05-04 econ.EM q-fin.MF q-fin.ST
The nature of price returns during periods of high market activity
通过研究从一篮子10种期货资产的订单簿中记录的所有交易和最佳买入/卖出的超高频快照，我们带来了定性的经验证据，即单笔交易的影响取决于交易间的时间滞后。我们发现，当交易速度变得更快，每次交易的回报方差或影响，作为衡量的价格变化的贸易方向，强烈增加。我们提供的证据表明，这些属性持续在粗糙的时间尺度。我们还表明，传播值是一个活动的递增函数。这表明，当交易率高时，订单簿更有可能是空的。
2010-10-27 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
Real-time Prediction of Bitcoin Bubble Crashes
在过去的十年中，比特币作为一种新兴的资产类别，由于其在极端价格增长阶段的非凡回报和不可预测的大规模崩溃而引起了公众的广泛关注。我们应用对数周期幂律奇异性（LPPLS）信心指标作为诊断工具，使用过去两年比特币价格的每日数据来识别泡沫。研究发现，当比特币价格在短时间内出现大幅波动时，基于每日比特币价格数据的LPPLS信心指标无法有效预警泡沫，尤其是对于正泡沫。为了诊断加密货币市场中泡沫的存在并准确预测泡沫崩溃，本研究提出了一种基于LPPLS模型和更精细（比每日）时间尺度的比特币价格数据的自适应多级时间序列检测方法。我们采用两个级别的时间序列，1小时和30分钟，以展示自适应多级时间序列检测方法。结果表明，基于该方法的LPPLS置信度指标能够有效地检测气泡，即使气泡在短时间内存在，也能准确地预测气泡的破裂。此外，我们发现，短期LPPLS信心指标对比特币价格的极端波动高度敏感，可以在较短的时间尺度上（从一天到一周）提供一些有用的泡沫状态见解，长期LPPLS信心指标在较长的时间尺度上（从一周到一个月）有效监测泡沫状态方面表现稳定。自适应多级时间序列检测方法可以提供对气泡的实时检测和对碰撞的高级预测，以警告即将发生的风险。
2019-06-13 q-fin.RM q-fin.ST stat.AP
Multifractal cross-correlations of bitcoin and ether trading characteristics in the post-COVID-19 time
与价格波动不同，加密货币交易的时间结构很少成为系统研究的主题。为了填补这一空白，我们分析了价格回报、时间单位内的平均交易次数以及交易量的去趋势相关性，这些数据基于代表两种主要加密货币的高频数据：比特币和以太币。我们应用多重分形去趋势互相关分析，这被认为是最可靠的方法来识别时间序列中的非线性相关性。我们发现，在我们的研究中考虑的所有数量显示出明确的多重分形结构，从单变量（自相关）和双变量（互相关）的角度。我们研究了比特币-以太币在同时记录的信号中的交叉相关性，以及在时滞信号中的交叉相关性，其中一种加密货币的时间序列相对于另一种加密货币发生了偏移。这样的移位在短时间尺度上部分地抑制了互相关，但并没有完全消除它们。我们没有观察到任何定性的不对称的结果的两个选择的领先资产。同步和滞后时间序列的互相关在足够长的尺度上变得相同。
2022-08-02 econ.EM physics.data-an q-fin.ST
Continuous-time Modeling of Bid-Ask Spread and Price Dynamics in Limit Order Books
通过对整个限价订单簿（LOB）动态过程的多尺度分析，建立了中间价和买卖价差联合演化的连续时间模型。我们将LOB建模为一个多类的嵌入系统，并使用经验观察到的风格化特征进行渐近分析。我们认为，在由经验观察支持的渐近制度下，中间价和买卖价差可以只用书中的某些参数来描述（而不是整本书本身）。我们的极限过程的特点是反射行为和状态相关的跳跃。我们的分析可以解释在实践中观察到的某些特征，如：在订单簿的数量和回报，以及长期价差分布的统计特性的幂律衰减尾部之间的连接。
2013-10-03 q-fin.ST q-fin.TR
Empirical distributions of Chinese stock returns at different microscopic timescales
本文利用2003年中国股票市场23只股票的超高频限价订单簿数据，研究了不同微观时间尺度下的事件时间收益率和时钟时间收益率的分布。我们发现，在一个交易的时间尺度上的回报服从逆立方定律。对于更大的时间尺度（2-32笔交易和1-5分钟），收益率遵循具有幂律尾部的学生分布。随着时间尺度的减小，尾变粗，这与振动理论一致。
2007-08-26 physics.soc-ph q-fin.ST
An Empirical Analysis on Financial Markets: Insights from the Application of Statistical Physics
本研究受统计物理学启发，提出利用三级订单簿数据、引入“主动深度”概念的物理模型，通过类比订单与物理粒子构建动能和动量度量，在波动率和收益预测上优于传统及机器学习基准，为市场微观结构研究提供新视角。
2024-06-25 q-fin.CP q-fin.MF q-fin.PR
Fragmentation, Price Formation, and Cross-Impact in Bitcoin Markets
鉴于比特币交易格局的高度碎片化所导致的微观效率低下，我们利用由来自流动性最强的比特币市场的订单和交易数据组成的粒度数据集，以了解低于1秒的时间尺度下的价格形成过程。为了实现这一目标，我们构建了一组功能，封装相关的微观结构信息在短的回顾窗口。随后，这些特征首先被用来生成一个领先者-落后者网络，该网络量化了市场如何相互影响，然后被用来训练线性模型，该模型能够解释$500$ ms未来回报率（取决于哪个市场是预测目标）中10%到37%的总变化。然后将结果与考虑到交易现实，如交易成本的各种PnL计算结果进行比较。PnL计算基于我们与每个模型相关联的自然$\textit{taker}$策略（意味着它们采用市价订单）。我们的研究结果强调了市场的收费制度在决定其成为领先者或落后者的倾向，以及我们的接受者策略的盈利能力方面的作用。进一步进行分析，我们还推导出自然的$\textit{maker}$策略（即，一个只使用被动限价订单），由于与回测庄家策略相关的困难，我们在真实世界的实时交易实验中进行了测试，在该实验中，我们的名义交易量超过了150万美元。为我们的模型提供了额外的信心，并扩展了它们所基于的功能，结果表明，与天真的基准策略相比，我们也在真实资本的实时交易环境中部署了一个显着的改进，以便进行比较。
2021-08-22 q-fin.GN q-fin.ST q-fin.TR
Order-Flow Filtration and Directional Association with Short-Horizon Returns
Indian Institute of Science（印度科学学院）；SigmaQuant Technologies Pvt. Ltd（SigmaQuant科技有限公司）；AlgoQuant Technologies Ltd.（AlgoQuant科技有限公司）
本文研究了通过过滤订单流来增强订单簿不平衡与短期回报之间方向性关联的方法，并探讨其在新兴市场中的应用。
2025-12-08 q-fin.CP q-fin.GN q-fin.ST
Conditional heteroskedasticity in crypto-asset returns
本文使用已建立的计量经济学推理技术，即Gesthem家族模型，研究了比特币等加密货币资产的时间序列特性。这项研究的贡献是双重的。我探索了加密货币的时间序列特性，这是一种新型的金融资产，似乎很少或根本没有文献。我建议对Chu et al（2017）最近提出的计量经济学规范进行改进，这是第一个研究最流行的加密货币价格动态的计量经济学研究。关于他们研究可靠性的问题源于作者对甘精胰岛素创新分布的错误诊断。通过使用Kolmogorov型非参数检验和Khmaladze鞅变换，检查创新是否是高斯或GED。对于样本中的所有加密货币，所有GARCH（p，q）模型都强烈拒绝了高斯性，其中$p,q \in \{1,\ldots,5 \}$。对于正态性检验，我使用高斯-克朗罗德求积。利用广义误差分布的新息，利用极大似然估计GARCH模型的参数。为了计算P值，使用参数bootstrap方法。反对Chu et al（2017），我表明在一些常见假设下，有一个强有力的实证论据反对建模创新。
2018-12-24 q-fin.GN q-fin.ST
An Algebraic Framework for the Modeling of Limit Order Books
本文提出一个基于代数、物理和随机过程的限价订单簿建模框架，利用狄拉克符号和广义生成函数描述状态与动态，并通过Gillespie算法精确仿真市场情景，分析交易者行为对价差、波动率和流动性的影响。
2024-06-07 q-fin.MF q-fin.ST q-fin.TR
TLOB: A Novel Transformer Model with Dual Attention for Price Trend Prediction with Limit Order Book Data
Sapienza University of Rome（罗马萨皮恩扎大学）；Technical University of Munich（慕尼黑技术大学）
本文提出基于Transformer和双重注意力的TLOB模型，用于LOB价格趋势预测，并引入消除周期偏差的新标注方法，在FI-2010、NASDAQ和比特币数据集上均超越SoTA，同时揭示了市场效率提升导致的可预测性下降。
2025-05-07 cs.AI cs.LG q-fin.ST
Price Stability of Cryptocurrencies as a Medium of Exchange
我们提出了加密货币作为交换媒介的价格稳定性的积极证据。在2016年至2020年的样本年中，主要加密货币的价格相对于主要金融资产保持稳定。具体来说，在过滤出不到一个月的周期后，我们调查了主要加密货币的美元日回报率（即，比特币、以太坊和瑞波）以及它们的比较者（即，主要法定货币，欧元和日元，以及主要股票指数，标准普尔500指数和摩根士丹利资本国际世界指数）。我们使用三种不同的措施来检查过滤后的每日回报的稳定性。首先，在我们的样本中，皮尔逊相关系数在后来的几年里增加了。其次，基于允许滞后和超前关系的动态时间扭曲方法，加密货币与其比较货币的每日回报率的相似性自2016年以来就一直存在。第三，我们检查预测加密货币价格的累积误差之和（假设与比较者的每日回报率保持稳定关系）是否不超过Black-Scholes模型所暗示的界限。换句话说，这个检验并没有否定有效市场假说。
2021-11-16 econ.GN q-fin.EC q-fin.PR
Does the time horizon of the return predictive effect of investor sentiment vary with stock characteristics? A Granger causality analysis in the frequency domain
行为理论认为投资者情绪对股票收益具有预测能力，但很少有研究探讨投资者情绪预测效应的时间范围与公司特征之间的关系。为此，本文通过使用Lemmens等人（2008）提出的频域Granger因果分析，研究投资者情绪对美国股票收益率的预测作用的时间范围是否随不同的公司特征（例如，公司规模（Size）、账面市值比（B/M）、运营盈利能力（OP）和投资（Inv））。实证结果表明，投资者情绪对不同公司特征的股票收益具有长期（超过12个月）或短期（少于12个月）的预测作用。具体而言，投资者情绪对小市值股票、低B/M股票和低OP股票的短期和长期收益具有较强的可预测性，但对高分位数股票的短期可预测性较强。投资者情绪仅对小投资者股票的短期收益具有可预测性，而对大投资者股票的短期和长期收益具有较强的可预测性。这些结果对投资者制定短期和长期股票投资策略具有重要的指导意义。
2018-03-08 econ.EM q-fin.ST
Trend patterns statistics for assessing irreversibility in cryptocurrencies: time-asymmetry versus inefficiency
本文提出基于上升与下降趋势子序列分布 Kullback-Leibler 散度的不可逆性指数，并结合信息论效率度量分析五种加密货币，揭示其不可逆性随时间演变及与市场非效率的复杂关系。
2023-06-28 cs.IT math.IT math.ST
Correlation emergence and the Epps effect in two coupled limit order books
University of New South Wales（新南威尔士大学）；University of Cape Town（开普敦大学）
通过建立耦合反应扩散方程模型，从订单流微观动态出发，解析推导出相关性随聚合时间变化的闭合表达式，揭示Epps效应源于异步事件时钟、有限耦合响应时间及其组合三种机制。
2026-09-09 math.AP q-fin.ST q-fin.TR
Regulating stochastic clocks
本研究针对金融收益的非对称与尾部风险，提出基于调节核的随机时钟改进方法，适用于Lévy从属子等过程，可灵活调控收益偏度与峰度，还开发了对应估计方法并通过标普500和比特币日收益实证验证了效果。
2023-07-03 q-fin.MF q-fin.ST
Explainable Patterns in Cryptocurrency Microstructure
University of Warsaw, Faculty of Economic Sciences（华沙大学经济科学学院）
本文研究了加密货币微观结构中的稳定跨资产模式，通过CatBoost模型验证了特征重要性稳定性，并揭示了算法交易的系统性风险。
2026-01-31 q-fin.CP q-fin.ST q-fin.TR
