Universality class of balanced flows with bottlenecks: granular flows, pedestrian fluxes and financial price dynamics
我们提出并记录的证据之间的类比存在的瓶颈或限制和金融价格形成过程的动态颗粒逆流。使用广泛的模拟，我们发现，通过门的模拟行人逆流显示许多程式化的事实观察到的金融市场时，门周围的密度与价格的对数相比。当行人模型中的代理被假定为显示零智能行为时，已经存在风格化的属性。如果代理人被赋予决策能力，并适应部分遵循大多数，羊群行为的时期可能会额外发生。由于间歇性动态，这会产生绝对收益自相关的非常缓慢的衰减。我们的研究结果表明，金融价格波动的程式化事实是由两个具有相反利益的集团在存在限制交易流到一个狭窄的价格区间的情况下的竞争造成的。
2012-05-13 physics.soc-ph 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
The asset price bubbles in emerging financial markets: a new statistical approach
泡沫是一个有争议的重要问题。人们提出了许多基于合理预期的泡沫检测方法。然而，对于一些发展中国家，尤其是中国，资产市场是如此年轻，以至于对许多公司来说，没有股息和基本价值，这使得很难（如果不是不可能的话）用现有的方法来衡量泡沫。因此，我们提出了一种简单而有效的统计方法和三个统计量（即C，U，V）来捕捉和量化资产价格泡沫，特别是在不成熟的新兴市场。为了给出一个将这种方法应用于现实问题的清晰例子，我们还应用我们的方法重新实证检验了一些股票市场的资产价格泡沫。本文对现有文献的主要贡献在于：第一，该方法不依赖于基本面价值、贴现率和股利，因此适用于缺乏这类充分数据的不成熟市场;第二，该方法允许我们检验泡沫的不同影响（羊群行为、异常波动和综合影响）。据我们所知，我们的新统计方法是现有文献中量化资产价格泡沫（尤其是新兴市场）的唯一可靠方法。
2016-10-24 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
Power Law Distributions for Stock Prices in Financial Markets
本文研究了四个证券市场上市公司股票价格收益率的秩分布、累积概率和概率密度。我们发现，股票价格的等级分布和累积概率的交易是近似符合齐普夫定律或幂律。本文还得到了上市股票的归一化收益率的概率密度几乎具有指数函数的形式。我们的结果与其他数值计算进行了比较。
2004-12-01 cond-mat.other q-fin.ST
Memory effect and multifractality of cross-correlations in financial markets
引入平均瞬时互相关函数来量化特定时刻金融市场之间的相互作用。基于美国和中国股票市场的日数据，研究了不同价格收益时间区间内平均瞬时互相关的记忆效应。揭示了长期的时间相关性，并发现持续到一个月的数量级的价格回报时间间隔。多重分形的性质进行了研究的多重分形去趋势波动分析。
2010-04-30 q-fin.ST
Sanction or Financial Crisis? An Artificial Neural Network-Based Approach to model the impact of oil price volatility on Stock and industry indices
在本文中，我们模拟了国际制裁和制裁后两个时期的油价波动对德黑兰股票指数和工业指数的影响。为了分析研究的目的，我们使用了前馈神经网络。研究时间为2008年至2018年，分为国际能源制裁期间和制裁后两个时期。研究结果表明，前向神经网络对股票市场和行业指数的预测效果较好，说明油价波动对股票和行业指数有显著影响。在制裁后和全球金融危机期间，该模型对行业指数的预测效果较好。此外，油价-股票市场指数预测在国际制裁期间表现较好。这些结果对于金融市场分析师和政策制定者了解哪些因素以及何时影响金融市场具有一定的参考价值，特别是对于伊朗这样一个石油依赖型国家，在国际政治不确定的情况下。关键词：前馈神经网络，工业指数，国际能源制裁，油价波动，德黑兰股票指数
2020-09-11 q-fin.CP q-fin.ST
Emergence of Turbulent Epochs in Oil Prices
石油价格数据具有复杂的多尺度结构，可能随时间变化。我们使用时频分析，以确定这些变化的主要特征，特别是政权转移。该分析是基于基于小波的分解和相关的尺度谱的分析。局部赫斯特指数和波动率的联合估计是发现和识别油价机制转换的关键。该框架特别涉及“多分数”型过程的建模，因此价格过程的粗糙度和波动性可能随时间而变化。特殊时期，然后出现作为这些自由度的结果，此外，作为所使用的特殊类型的谱估计的结果。这些特殊的时代进行了讨论，并与历史事件。其中一些是不能检测到的标准分析的基础上最大似然估计。本文提出了一种新的算法来鲁棒检测金融或其他类型的数据中的这种特殊时期和多分数行为。在金融背景下，对资产价格行为的洞察对于评估涉及资产的金融合同非常重要。
2019-04-04 q-fin.ST
Analysis of price diffusion in financial markets using PUCK model
基于一种新的随机游走过程--非平衡复杂动力学势（PUCK）模型，从理论上证明了价格扩散在大尺度上被放大2/（2 + b）倍，其中b为势的二次项系数.在短时间尺度上，价格扩散取决于超级移动平均线的大小M。日元兑美元汇率的数值模拟和实际数据分析都与理论分析相一致。
2006-08-10 physics.data-an physics.soc-ph q-fin.ST
Critical Ising Model and Financial Market
研究了股票价格动态的伊辛模型描述。该模型定义在近2个维度，一个维度是时间，另一个代表股票的集合，投资者对价格变化的反应强度对应于系统的逆温度。在临界温度下，交易次数随时间的变化具有无穷长的相关性，价格波动分布呈现幂律尾。
2004-02-22 cond-mat.stat-mech q-fin.ST
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
Scaling transformation and probability distributions for financial time series
自巴舍利耶以来，金融资产的价格被认为是由随机变量的（离散或连续）时间序列描述的，即随机过程。这种过程的尖锐标度指数或单分形行为已经在一些工作中报道。本文通过建立非线性群论方法与数学物理中发展起来的多重分形方法之间的新联系，研究了价格过程的标度变换问题。使用两组金融时间序列，我们表明，标度变换是一个非线性的群体作用的时刻的价格增量。它的线性部分具有谱分解，证明了价格增量的多重分形行为。
1999-05-12 cond-mat.stat-mech q-fin.ST
Bayesian Dynamic Modeling of Realized Volatility in Financial Asset Price Forecasting
Duke University（杜克大学）
本文提出了一种新的贝叶斯动态模型，用于金融预测中的价格-实现波动率时间序列。通过将新的动态伽马过程模型与传统贝叶斯动态线性模型结合，改进了波动率杠杆和反馈效应的建模。
2026-05-12 q-fin.ST stat.ME
Price response functions and spread impact in correlated financial markets
最近关于股票价格对交易活动的反应的研究表明，即使是不同公司的股票，也会产生长期的影响。这些结果意味着非马尔可夫效应的价格形成和交易时，许多股票在同一时间，特别是交易成本和价格的相关性。如何衡量价格反应取决于数据集和研究重点。但是，重要的是要澄清价格响应定义的细节如何修改结果。在这里，我们评估不同的价格响应实现的交易和报价（TAQ）的数据集从纳斯达克股票市场，发现结果是定性相同的两个不同的定义的时间尺度，但响应可以变化的两个因素。此外，我们显示了交易信号和回报之间的顺序的关键重要性，显示了信号强度的变化。此外，我们确认了直接交易后的即时价格反应的主要贡献，因为我们发现延迟反应被抑制。最后，我们测试了价差对价格响应的影响，发现大的价差有更强的影响。
2020-10-28 physics.data-an q-fin.ST
On the gap between an empirical distribution and an exponential distribution of waiting times for price changes in a financial market
我们分析外汇汇率中价格变化的等待时间。最近的高频金融数据的实证研究支持，在金融市场中的交易不遵循泊松过程和交易之间的等待时间不是指数分布。在这里，我们表明，我们的数据是很好的近似威布尔分布，而不是指数分布在非渐近制度。此外，我们定量评估有多少经验数据是远离指数分布使用威布尔拟合。最后，我们讨论了一个相变之间的威布尔定律和幂律的渐近长等待时间制度。
2006-06-01 physics.data-an physics.soc-ph q-fin.ST
From fair price to fair volatility: Towards an Efficiency-Consistent Definition of Financial Risk
本文提出以Hurst-Hölder指数度量的逐点正则性作为波动率的补充金融风险指标，量化价格动态对鞅行为的局部偏离，从而在有效市场理论与行为金融学之间建立效率一致的风险定义框架。
2025-08-02 q-fin.GN 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
Stock prices assessment: proposal of a new index based on volume weighted historical prices through the use of computer modeling
Universidade de São Paulo（圣保罗大学）
考虑成交量来分析股票价格走势的重要性可以被认为是金融领域广为接受的做法。然而，当我们审视这一领域的科学生产时，我们仍然无法找到一个统一的模型，其中包括用于种群评估目的的数量和价格变化。在本文中，我们提出了一个计算机模型，可以弥补这一差距，提出了一个新的指数来评估股票价格的基础上，他们的历史价格和交易量。除了该模型可以被认为是数学上非常简单，它能够显着提高与真实的金融数据操作代理的性能。基于所获得的结果，也非常直观的逻辑，我们的模型，我们相信，在这里提出的指数可以是非常有用的，以帮助投资者的活动，确定理想的价格范围买卖股票在金融市场。
2012-09-13 cs.LG q-fin.ST
Price response in correlated financial markets: empirical results
以往关于个股交易对股价反应的研究主要集中在个股上。我们实证研究了一只股票对其他股票交易的价格反应。一只股票对其他股票的影响有多大，反之亦然？交易对股票价格变化的影响似乎是暂时的，而不是永久的。执行不同的平均值，我们区分主动和被动的反应。这两个平均响应显示出不同的特性依赖于时间滞后。被动响应的响应周期较短，波动较大，而主动响应的响应周期较长。我们还研究了给定股票对不同行业和整个市场的反应。此外，我们比较了自我反应与各种交叉反应。交易信号的相关性对于一对股票来说是一个短期记忆过程，但当它在不同的股票对上平均时，它就变成了一个长期记忆过程。
2016-03-16 q-fin.ST q-fin.TR
Coronavirus and oil price crash
新型冠状病毒（COVID-19）造成恐惧和不确定性，打击全球经济并放大金融市场波动。油价对COVID-19的反应逐渐适应，直到2020年3月9日，在世界卫生组织（WHO）发布首份冠状病毒监测报告49天后，沙特阿拉伯向市场供应大量石油。因此，国际价格在一天内下降了20%以上。在此背景下，本文旨在研究COVID-19数字对原油价格的影响，同时控制金融波动和美国经济政策不确定性的影响。我们的ARDL估计显示，COVID-19每日报告的新感染病例对原油价格的长期负面影响甚微。尽管如此，COVID-19扩大了金融市场的波动，对近期原油价格走势也产生了间接影响。
2020-03-20 q-fin.CP q-fin.ST
Stylized Statistical Facts of Indonesian Financial Data: Empirical Study of Several Stock Indexes in Indonesia
本文试图揭示金融的一般统计特征;时间序列数据，受到几个金融时间序列数据目前在印度尼西亚，例如，个别指数，如PT的股票价格。TELKOM、PT HM SAMPOERNA的股票价格和编制的股票价格指数（雅加达股票交易所指数）。我们试图分析的特征是波动聚集，截断Levy分布和多重分形特征。本文的分析为进一步研究印度尼西亚人工证券交易所提供了指导，该人工证券交易所代表了印度尼西亚证券交易所的微观结构。本文是自上而下的统计行为分析的一个恢复，成为开始一个更自下而上的分析的基础。
2004-03-18 cond-mat.other q-fin.ST
Machine Learning Algorithms for Financial Asset Price Forecasting
University of Oxford（牛津大学）；Saïd Business School（赛德商学院）
本文探讨了机器学习（ML）算法和技术的性能，可用于金融资产价格预测。资产价格和收益的预测和预测仍然是量化金融和从业人员面临的最具挑战性和最令人兴奋的问题之一。近年来生成和捕获的数据大量增加，为利用机器学习算法提供了机会。这项研究直接比较和对比了现代机器学习算法在高性能计算（HPC）基础设施上的最新实现与传统和高度流行的资本资产定价模型（CAPM）在美国股票数据上的实现。实施的机器学习模型-在整个股票宇宙的时间序列数据上训练（除了外部宏观经济变量）显着优于CAPM的样本外（OOS）测试数据。
2020-03-31 cs.LG econ.EM q-fin.ST
Anticorrelations and subdiffusion in financial systems
基于随机朗之万力驱动的随机耦合方程组模型，研究了金融系统的统计动力学。从模型中发现了价格收益的反相关性和价格的次扩散，并与历史美元/欧元汇率计算的结果进行了比较。
2002-03-28 cond-mat.dis-nn cond-mat.stat-mech cs.CE
On the scaling of the distribution of daily price fluctuations in Mexican financial market index
本文对墨西哥股票市场指数IPC的对数收益率波动进行了统计分析。分析了涵盖$04/09/2000-04/09/2010$期间的每日数据样本，并拟合到不同的分布。进行拟合优度检验，以定量评估估计质量。特别注意的是样本的大小对分布尾部的估计衰减的影响。在这项研究中，得到了强有力的正态性拒绝。另一方面，在5%的显著性水平下，不能拒绝对数波动拟合$α$稳定Lévy分布的零假设。
2011-11-08 physics.data-an q-fin.ST
A Topological Approach to Scaling in Financial Data
有大量的工作，建立在数学和物理学工具的基础上，证明了金融市场价格在不同尺度下表现出自相似性。在本文中，我们探讨了使用分析拓扑来刻画金融价格序列。小波变换和傅立叶变换分别将信号分解成小波集和功率谱集，而本文提出的方法将时间序列分解成其总变化的分量。这一性质自然适用于分形标度特性的分析。
2017-10-24 q-fin.ST q-fin.TR
Identification of phase correlations in Financial Stock Market Turbulence
本文提出频谱分析框架，分解定价模式以识别周期，从而考察印度国家证券交易所的波动本质，弥补传统方法不足。
2025-09-11 physics.data-an q-fin.ST
Mesoscopic Community Structure of Financial Markets Revealed by Price and Sign Fluctuations
从金融市场到大脑，复杂系统的中观组织是单个单元（在上述情况下是股票或神经元）的微观动力学与整个系统的宏观动力学之间的中间体。组织是由单位的“社区”决定的，这些单位的动态，由活动的时间序列表示，与系统的其他部分相比，内部的相关性更强。最近的研究表明，各种金融和神经时间序列的二进制投影表现出非平凡的动力学特征，类似于原始数据。这意味着一个重要的信息片段被编码到这种增量的二进制投影（即符号）中。在这里，我们探讨了多个时间序列的二进制签名是否可以复制相同的复杂的社区组织的金融市场，作为原来的加权时间序列。我们采用了一种专门设计用于从时间序列数据的交叉相关矩阵中检测社区的方法。我们的分析表明，更简单的二进制表示导致一个社区结构，这是几乎相同的使用全加权表示。这些结果证实了金融时间序列的二元预测包含了重要的结构信息。
2015-04-02 physics.data-an q-fin.ST
Deep learning models for price forecasting of financial time series: A review of recent advancements: 2020-2022
Universiti Teknologi Malaysia（马来西亚理工大学）
本文综述2020–2022年金融时间序列价格预测的深度学习进展，梳理模型架构、应用与优劣，并指出复杂模型、区间预测、分解集成和数据量影响等未来方向。
2023-09-28 cs.AI cs.LG q-fin.ST
Universal features of price formation in financial markets: perspectives from Deep Learning
使用大规模深度学习方法应用于包含数十亿电子市场报价和美国股票交易的高频数据库，我们发现了存在一个通用的和固定的价格形成机制的非参数证据，该机制将股票的供求动态（通过订单簿显示）与其市场价格的后续变化联系起来。我们通过测试其样本外预测的价格走势的方向给定的历史价格和订单流，在广泛的股票和时间段进行评估的模型。通用的价格形成模型表现出显着稳定的样本外预测精度随时间的推移，从不同行业的广泛的股票。有趣的是，这些结果也适用于不属于训练样本的股票，这表明该模型捕获的关系是普遍的，而不是特定于资产的。在样本外预测准确性方面，根据所有股票的数据进行训练的通用模型优于根据任何给定股票的时间序列进行训练的特定资产线性和非线性模型，这表明价格形成的普遍性有利于汇集来自各种股票的金融数据，而不是像通常那样设计特定资产或特定部门的模型。基于波动性、价格水平或平均价差的标准数据标准化，或将训练数据划分为部门或类别，如大/小股票，不会改善训练结果。另一方面，包括价格和订单流的历史，在许多过去的观察，以提高预测性能，显示在价格动态的路径依赖的证据。
2018-03-19 q-fin.ST q-fin.TR stat.ML
Queueing Theoretic Approaches to Financial Price Fluctuations
分析市场价格随机波动的一种方法是建立投资者行为特征和市场参与者之间复杂互动的模型，目的是提取总体后果。金融学中这种基于主体的观点至少可以追溯到加曼（Garman，1976）的工作，并与物理科学中的统计力学哲学相类似。我们讨论了市场微观结构模型的最新发展。他们能够，通常通过数值模拟，解释许多程式化的事实，如羊群行为，波动集群和厚尾收益分布的出现。它们是典型的投机型模型，即订单流模型，与效用最大化、理性、"代表性“投资者的经典经济均衡理论形成对比。在数学上，他们分析使用工具的功能中心极限定理，强逼近和弱收敛。我们的主要例子集中在投资者惯性，一个有据可查的特征，以及其他行为品质，并使用半马尔可夫转换过程建模。特别是，我们展示了惯性如何可能导致股票价格的长期依赖现象。
2007-03-28 math.PR q-fin.ST
Microstructure Effects on Daily Return Volatility in Financial Markets
我们模拟了一系列的每日回报，从日内价格波动发起的微观结构元素。实证结果表明，日收益率和日收益率波动率具有一阶自相关性，但交易量和日收益率波动率不相关，而日内波动率相关。我们还考虑了日收益率序列中的甘精胰岛素效应，并表明使用日收益率的估计会受到价格水平的影响。相反，使用每日价格变化，我们发现了一个重要的甘精胰岛素成分的证据。这些结果表明，微观结构元素有相当大的影响返回生成过程。
2000-11-17 cond-mat.stat-mech q-fin.ST
Currency Forecasting using Multiple Kernel Learning with Financially Motivated Features
多核学习（MKL）用于复制交易规则在预测资产价格变动时聚合多个金融信息来源时所体现的信号组合过程。为EURUSD货币对构建了一组金融动机内核，并用于预测货币在多个时间范围内的价格走势方向。MKL被证明在预测准确性方面优于每个内核。此外，由MKL选择的内核权重突出了由内核表示的哪些金融特征对于预测任务来说是最具信息性的。
2010-11-28 q-fin.PM q-fin.ST
An elementary model of price dynamics in a financial market: Distribution, Multiscaling & Entropy
经验资产对数收益率$Z$的典型事实包括存在（半）重尾分布$f_Z(z)$和赫斯特指数$τ(β)$的非线性谱。所考虑的经验数据是1990年1月1日至2004年12月31日10个大型指数的每日价格。我们提出了一个程式化的价格动态模型，这是由预期驱动。该模型是一个乘法随机过程，具有随机的，状态依赖的增长率，建立了一个负反馈的价格动态组件。这个0阶模型意味着对数收益率的分布是拉普拉斯$f_Z(z) \sim \exp(-\frac{|z|}α)$，其单个参数$α$可以被视为相应市场的长期平均流动性的度量。与（更一般的）威布尔分布的比较表明，经验每日日志收益率接近拉普拉斯分布。比较了经验数据$τ_{emp}$和模型$τ_{theor}$模拟数据的Hurst指数谱。由于非线性Hurst谱的发现，Renyi熵（RE）$R_β(f_Z)$被认为是。一个显式的函数形式的RE的指数分布的推导。模拟资产收益率跟踪的理论RE与经验收益率估计的RE吻合得很好。
2006-02-14 physics.soc-ph q-fin.ST
Price graphs: Utilizing the structural information of financial time series for stock prediction
Beihang University（北京航空航天大学）
大量的研究工作致力于在股票预测中利用深度神经网络。虽然长期依赖性和混沌属性仍然是两个主要问题，降低了最先进的深度学习模型在预测未来价格趋势方面的性能。在这项研究中，我们提出了一个新的框架来解决这两个问题。具体而言，在将时间序列转换为复杂网络方面，我们将市场价格序列转换为图形。然后，结构信息，指的是时间点之间的关联和节点的权重，从映射图中提取，以解决有关长程依赖和混沌性质的问题。我们采用图嵌入来表示时间点之间的关联作为预测模型的输入。节点权重被用作先验知识，以增强时间注意力的学习。我们提出的框架的有效性进行了验证，使用真实世界的股票数据，我们的方法获得了最好的性能在几个国家的最先进的基准。此外，在进行的交易模拟中，我们的框架进一步获得了最高的累积利润。我们的研究结果补充了复杂网络方法在金融领域的现有应用，并为金融市场决策支持方面的投资应用提供了深刻的影响。
2021-11-01 cs.CY cs.LG q-fin.ST
The continuous time random walk formalism in financial markets
我们适应连续时间随机游走（CTRW）形式主义来描述资产价格的演变，并讨论了一些问题，可以使用这种方法来处理。我们主要关注两个方面：（i）从高频数据中推导出价格分布，以及（ii）逆问题，获得仅知道每日波动率的高频数据所反映的市场微观结构信息。我们应用形式主义的金融数据表明，CTRW提供了替代工具来处理金融市场的几个复杂的问题。
2006-11-14 physics.soc-ph q-fin.ST
Spurious trend switching phenomena in financial markets
观察幂律的时间极值的波动性，成交量和intertrade时间，从毫秒到年，结果直接从选择有偏见的统计子集的实现，否则无特征的过程，如随机游走。这种偏差源于对价格峰值的选择，这种选择对价格变化和贸易量的统计数据施加了一个条件，从而扭曲了它们的分布。对于跨交易时间，极值和幂律是由交易数据的格式决定的。
2011-12-16 q-fin.GN q-fin.ST
Predicting Financial Market Trends using Time Series Analysis and Natural Language Processing
ADA University（ADA大学）；George Washington University（乔治华盛顿大学）
本研究通过时间序列分析与自然语言处理，利用Twitter情绪和LSTM模型预测股票价格，发现情绪极性是主要影响因素，为投资决策提供参考。
2023-08-31 cs.AI cs.LG q-fin.ST
A Peek into the Unobservable: Hidden States and Bayesian Inference for the Bitcoin and Ether Price Series
传统的金融模型无法解释加密货币的经济和货币属性，因为后者具有双重性质：一方面作为金融资产使用，另一方面与底层区块链结构紧密相连。为了通过统一的方法来检查这两个组件，我们应用了一个最近开发的非齐次隐马尔可夫（NHHM）模型，该模型具有一组扩展的金融和区块链特定协变量，用于比特币（BTC）和以太币（ETH）价格数据。基于可观察的系列，NHHM模型为加密货币市场的底层微观结构提供了一个新的视角，并提供了对投资者、交易员和矿工行为等不可观察参数的洞察。该算法识别了比特币生态系统中固有不同活动的两个交替时期（隐藏状态）-基本面与不知情或噪声交易者-并揭示了短期/长期动态和两种状态的金融特征的差异，例如显著的解释变量，极端事件和变化的序列自相关。在一个有点意想不到的结果中，比特币和以太坊市场被发现受到明显不同的指标的影响，尽管它们之间存在明显的相关性。目前的方法支持早期的发现，即加密货币与任何传统的金融资产不同，并通过更全面的视角迈出了理解加密货币市场的第一步。
2021-07-18 econ.EM q-fin.ST
A Limit Theorem for Financial Markets with Inert Investors
本文通过一个包含大量长期不活跃的中小投资者的市场微观结构模型，研究了投资者惯性对股票价格波动的影响。事实证明，半马尔可夫过程是为模拟惰性投资者量身定制的。通过适当的标度，我们证明了当价格由市场不平衡驱动时，对数价格过程近似为一个具有长程相关性和非高斯收益分布的过程，该过程由分数布朗运动驱动.因此，投资者的惰性可能会给老练的市场参与者带来套利机会。数学上的贡献是平稳半马氏过程的泛函中心极限定理和连续半鞅关于分数布朗运动的随机积分的逼近结果。
2007-03-28 math.PR q-fin.ST
Black was right: Price is within a factor 2 of Value
我们提供了进一步的证据表明，市场的趋势在中期（几个月）和均值恢复的长期（几年）。我们的研究结果支持了布莱克的直觉，即价格往往会偏离大约2倍，并需要数年时间才能达到平衡。这些结果背后的故事与金融市场中存在的两种行为非常吻合：“图表分析师”，他们是趋势的追随者;“原教旨主义者”，他们在价格明显不合理时进场。均值回归是一种自我修正机制，缓和了（尽管只是微弱地）金融市场的繁荣。
2017-11-17 q-fin.PM q-fin.ST
Temporal Evolution of Financial Market Correlations
本文运用随机矩阵理论和主成分分析方法研究了金融市场的相关性。我们利用随机矩阵理论证明了资产价格变动的相关矩阵包含着与不相关的随机价格变动不相容的结构。然后，我们确定这些相关矩阵的主成分，并证明了一个小数目的组件占很大比例的变化，我们考虑的市场。然后，我们通过研究资产价格时间序列和主成分之间的相关性来描述不同资产之间的时间演变关系。使用这种方法，我们发现了金融市场发生的显著变化，并确定了受这些变化显著影响的资产。我们特别指出，在2007- 2008年信贷和流动性危机之后，几个不同市场之间的关系强度有所增加。
2011-05-23 physics.data-an q-fin.ST
Cross-response in correlated financial markets: individual stocks
以往的研究主要集中在单个股票的动态，即他们解决了自我反应的股票价格对交易的反应。本文实证研究了相关市场中一只股票对其他股票交易的价格反应，即交叉反应。一只股票对其他股票的影响有多大，反之亦然？--从市场有效性的观点来看，交易对股票价格变动的影响不是永久性的，而是暂时性的。此外，我们还比较了不同量表上的自我反应以及同一量表上的自我反应和交叉反应。我们还发现，交叉相关的贸易迹象原来是一个短记忆过程。
2016-04-25 q-fin.ST q-fin.TR
A multiscale view on inverse statistics and gain/loss asymmetry in financial time series
研究人员研究了金融时间序列的第一次通过时间，并观察到股票指数移动一段给定距离所需的最小时间间隔通常在负面价格变动时比正面价格变动时短。指数成分股和个股的情况并非如此。我们使用离散小波变换来说明，这是一个长的，而不是短的时间尺度的现象-如果足够的低频内容的价格过程被删除，不对称消失。我们还提出了一个新的模型，它解释了长期的，相关的个股下跌运动的不对称性。
2008-11-19 q-fin.ST stat.AP
Calibration of optimal execution of financial transactions in the presence of transient market impact
在订单驱动市场中交易大量金融资产需要使用算法执行来划分许多交易中的交易量，以最大限度地减少因市场冲击而产生的成本。最优执行策略的正确设计在很大程度上取决于对市场冲击的仔细建模，即价格对交易的反应。在本文中，我们考虑了最近引入的市场冲击模型（Bouchaud等人，2004），其具有描述由于交易引起的价格变化的量和时间依赖性的性质。我们展示了这个模型如何可以用来描述价格的影响，也在总交易时间或实时。然后，我们解决了分析和校准与真实数据的最优执行问题的风险中性和风险厌恶的投资者，我们得到了一个有效的边界的最优执行。当我们包括传播成本的问题必须解决数字，我们表明，这种成本的引入正规化的解决方案。
2012-06-04 q-fin.ST q-fin.TR
On the potential of quantum walks for modeling financial return distributions
本文研究离散时间量子游走建模资产价格演化的潜力，通过与经典方法比较，证明其能更灵活地刻画非对称收益、复杂趋势及极端事件风险。
2024-12-04 q-fin.GN q-fin.ST quant-ph
Zipf's law for share price and company fundamentals
Graduate School of Arts and Sciences（文理研究生院）；International Christian Unversity（国际基督教大学）
研究股价及三大财务指标分布，发现其符合齐夫定律，且通过面板回归模型验证公司基本面影响股价。
2017-02-01 econ.GN q-fin.EC q-fin.ST
Stock Embeddings: Learning Distributed Representations for Financial Assets
University College Dublin（都柏林大学）
识别金融资产的价格变动之间的有意义的关系是各种金融应用中具有挑战性但重要的问题。然而，随着最近的研究，特别是那些使用机器学习和深度学习技术的研究，主要集中在价格预测上，研究资产相关性建模的文献有所滞后。为了解决这个问题，受自然语言处理领域最近成功的启发，我们提出了一种用于训练股票嵌入的神经模型，该模型利用历史收益数据的动态性，以了解金融资产之间存在的细微差别关系。我们详细描述了我们的方法，并讨论了一些方法，它可以用于金融领域。此外，我们提出了评估结果，以证明这种方法的实用性，相比几个重要的基准，在两个现实世界的金融分析任务。
2022-02-14 cs.LG q-fin.CP q-fin.ST
Emergence of universal scaling in financial markets from mean-field dynamics
具有普适性质的集体现象已经在许多具有大量组分的复杂系统中观察到。在这里，我们提出了一个微观模型的出现，在这样的系统中，各个组件之间的相互作用动态介导的一个全局变量，使平均场的描述准确的标度行为。以金融市场为例，我们表明，资产价格可以是这样一个全球性的变量与协调的行动，否则独立的代理人的关键作用。由此产生的模型准确地再现了经验属性，如价格波动和成交量分布的普遍缩放，波动和多尺度的长期相关性。
2010-06-03 cond-mat.stat-mech physics.soc-ph q-fin.ST
StockTime: A Time Series Specialized Large Language Model Architecture for Stock Price Prediction
Virginia Tech（弗吉尼亚理工学院暨州立大学）；Texas A&M University - Corpus Christi（德州农工大学科珀斯克里斯蒂分校）；University of Hamburg（汉堡大学）
针对金融大模型在股价预测中存在的模态融合难、忽略时序特征、易受冗余信息干扰等问题，提出专门面向股价时序数据的StockTime架构，通过将股价视为连续token提取文本信息并融合多模态数据，实现更准确且低资源消耗的股价预测。
2024-08-25 cs.AI cs.CE cs.LG
Random walker in a temporally deforming higher-order potential forces observed in financial crisis
市场价格波动的基本特性被最近开发的随机游走模型很好地描述在一个时间变形的二次势力，其中心是由过去的价格轨迹的移动平均[Physica A 370，pp 91 -97，2006]。通过对泡沫、崩盘等异常事件的高频金融时间序列的分析，证实了市场中存在非线性势能。我们通过应用信息准则证明了它的存在性的统计意义。这种新的时间序列分析有望广泛应用于随机现象中的非平稳征兆的检测。
2008-11-27 physics.data-an physics.soc-ph q-fin.GN
Stock Market Market Crash of 2008: an empirical study of the deviation of share prices from company fundamentals
本研究的目的是定量研究在2008年股票市场崩盘中，股票价格是否偏离了公司基本面。为此，我们使用了一个大型数据库，其中包含2004年至2013年期间全球7，796家公司的资产负债表和股价。我们建立了一个面板回归模型，使用三个财务指标-每股股息，每股现金流量，每股账面价值-作为解释变量的股票价格。然后，我们通过从双向固定效应模型中去除时间固定效应来估计各个公司每年的基本面，我们认为双向固定效应模型是最好的面板回归模型。我们的模型的一个优点是，我们能够提取公司基本面的不可观察的因素，通过使用个人的固定效应。在此基础上，我们用股价偏离公司基本面的比率--背离率来定量分析市场异常。我们发现，2005 - 2007年的平均股价被高估，而在全球金融危机发生的2008年，股价被显著低估。在随后的时期，股票价格与基本面平均水平相当。我们的实证结果清楚地表明，在2008年全球金融危机之前和之后的时间段内，世界股票市场波动过大。
2016-07-12 q-fin.GN q-fin.PR q-fin.RM
