The relationship between trading volumes, number of transactions, and stock volatility in GARCH models
我们使用东京证券交易所的每日股票数据来检验交易量、交易次数和波动性之间的关系。在混合分布假设下，我们使用交易量和交易数量作为影响股票波动的信息到达率的代理。交易量或交易数量对波动性的影响使用广义自回归条件异方差（GARCH）模型来衡量。我们发现，Gestival效应，即波动的持续性，并不总是通过增加交易量或交易数量来消除，这表明交易量和交易数量并不能充分代表信息到达的速度。
2017-12-18 q-fin.ST
Beyond Trading Data: The Hidden Influence of Public Awareness and Interest on Cryptocurrency Volatility
University of Koblenz（科布伦茨大学）；Soochow University（苏州大学）；Fraunhofer Institute for Software and Systems Engineering（弗劳恩霍夫软件与系统工程研究所）
本文提出多模态AdaBoost-LSTM集成模型CoMForE，融合交易数据、推文情绪、搜索兴趣和哈希率，预测比特币-美元汇率波动，较现有方法提升19.29%，证明多模态信息对加密货币波动性预测的重要性。
2024-10-22 cs.LG q-fin.ST
Signatures of crypto-currency market decoupling from the Forex
基于Kraken的高频记录，Kraken是一个加密货币交易所和专业交易平台，旨在将比特币和其他加密货币纳入主流，研究了2016年7月1日至2018年12月31日期间涉及比特币（BTC），以太坊（ETH），欧元（EUR）和美元（USD）的多尺度互相关。结果表明，与加密货币市场相关的汇率波动的多尺度特征接近外汇市场。这尤其适用于BTC/ETH汇率，其赫斯特指数在2018年底开始接近0.5，这是成熟世界市场的特征。此外，BTC/ETH直接汇率已经发展出多重分形，这通过广泛的奇异谱表现出来。一个特别重要的结果是，用于检测BTC/ETH和EUR/USD汇率动态之间的交叉相关性的措施没有显示出任何明显的关系。这可能被视为加密货币市场已经开始与外汇脱钩的迹象。
2019-07-18 econ.EM q-fin.ST
Heterogeneous wealth distribution, round-trip trading and the emergence of volatility clustering in Speculation Game
本文详细分析了投机博弈这一基于主体的金融市场最小模型，在该模型中实现了往返交易和可变交易量的动态财富演化。研究发现，交易者财富分布的异质性可以导致波动率聚集的出现，而不是羊群行为。特别是，通过重复往返交易的市场财富的自发再分配可以扩大财富差距，并建立资本规模的帕累托分布。与此同时，富有的交易员间歇性地下达相对较大的订单，导致价格回报大幅波动。经验数据被用来支持从模型中得出的情景。
2019-09-07 q-fin.ST
Structural clustering of volatility regimes for dynamic trading strategies
University of Sydney（悉尼大学）；University of Melbourne（墨尔本大学）；Yau Mathematical Sciences Center, Tsinghua University（清华大学丘成桐数学科学中心）
本文提出了一种新的方法，通过对非平稳金融时间序列的波动结构进行无监督学习来确定波动结构的个数。我们使用变点检测将一个时间序列划分为局部平稳的段，然后计算段分布之间的距离矩阵。通过优化程序将这些段聚类为学习到的离散波动率状态。使用这个框架，我们确定了金融指数，大盘股，交易所交易基金和货币对的波动率聚集结构。我们的方法克服了严格的假设，实现许多参数的政权切换模型，同时有效地提取时间序列到几个特征的行为。我们的研究结果提供了显着的简化这些时间序列和一个强有力的描述性的分析先前的行为波动。最后，我们创建并验证了一个动态的交易策略，学习时间序列的当前分布和过去的制度之间的最佳匹配，从而在目前的在线风险规避决策。
2021-11-24 cs.CE cs.LG q-fin.RM
Analysis of Realized Volatility in Two Trading Sessions of the Japanese Stock Market
我们分析了使用东京证券交易所高频股票数据构建的已实现波动率。为了避免波动率计算中的非交易时间问题，我们定义了两个已实现波动率，分别在东京证券交易所的两个交易时段，即上午和下午时段计算。在计算了不同采样频率下的已实现波动率之后，我们评估了作为采样频率的函数的来自微结构噪声的偏差。考虑到对已实现波动率的偏差，我们检验了由已实现波动率标准化的收益率，并确认东京证券交易所的价格收益率近似地由具有时变波动率的高斯时间序列描述，即与混合分布假设一致。
2013-04-22 physics.data-an q-fin.ST
Stock index futures trading impact on spot price volatility. The CSI 300 studied with a TGARCH model
一个TGSTMI模型被认为是最佳的基础上调查的影响，指数期货交易对现货价格波动。本文以沪深300指数为研究样本，对中国股市的波动性进行了实证分析。实证结果表明，沪深300指数期货交易的推出显著降低了相应现货市场的波动性。研究还发现，沪深300现货市场与CCSI-300-IF市场之间存在平稳的均衡关系。双向格兰杰因果关系也被检测到。“最后”，推断出现货价格在3或4个滞后日的时间跨度内预测的准确性更高。
2021-08-29 q-fin.GN q-fin.ST
Detrended cross-correlations between returns, volatility, trading activity, and volume traded for the stock market companies
我们考虑几个表征股票市场在固定时间间隔内交易的量：对数回报率、波动率、交易活动（即，交易数量）和交易量。我们的研究是基于美国股票市场的经验数据，包括一个tick-by-tick记录的31只股票在道琼斯工业平均指数在2008年至2011年的不同时间单位，从1分钟到10分钟，这些数量之间的幂律互相关。由于除了收益率之外，所有考虑的量都显示出与一天中不同时间的可变交易活动相关的强烈的每日模式，这在自相关函数中最为明显，因此我们在继续研究之前通过去趋势来去除这些模式。我们应用多重分形去趋势交叉相关性分析与符号保持（MFCCA），并表明，最强的幂律交叉相关性之间存在的交易活动和交易量，而最弱的存在（甚至不存在）之间的回报和剩余的数量。我们还表明，最强的互相关进行的那些部分的信号，其特征在于由大，中方差。我们的观察，最令人信服的幂律交叉相关性发生在交易活动和交易量之间，揭示了这些量之间存在强烈的分形耦合。
2015-11-10 q-fin.ST
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
Causal effect of regulated Bitcoin futures on volatility and volume
2017年12月，两家领先的衍生品交易所CBOE和CME推出了首个受监管的比特币期货。我们的目标是估计它们对比特币波动和交易量的因果影响。采用一种新的因果关系的方法，C-ARIMA，我们发现，芝加哥商品交易所的未来引发了这两个结果的增加。还有证据表明，交易量与波动性之间存在正相关关系，对波动性的影响部分是由于推出该合同导致交易量增加。在控制了对交易量的影响后，我们发现CME工具导致比特币波动性增加了一倍以上。
2021-09-24 q-fin.ST
Reducing overestimating and underestimating volatility via the augmented blending-ARCH model
SVR-GARCH模型在预测金融时间序列波动率时存在"后向窃听"的倾向，即简单地通过偏离前一次波动率来产生预测结果。虽然SVR-GARCH模型在各种绩效度量方面都取得了良好的表现，但交易机会、时间序列中的峰谷行为都受到低估或高估波动率的阻碍。我们提出了一个混合模型和一个增广模型来克服这类问题，使预测更好的峰谷行为。该方法使用包括SH300和S&P500的真实数据集来说明。实证结果表明，增广模型和混合模型提高了波动率预测能力。
2022-03-15 cs.LG q-fin.ST
Joint analysis and estimation of stock prices and trading volume in Barndorff-Nielsen and Shephard stochastic volatility models
我们引入了Barndorff-Nielsen和Shephard随机波动率模型的一个变体，其中非高斯Ornstein-Uhlenbeck过程描述了交易强度的一些度量，如交易量或交易次数，而不是不可观察的瞬时方差。在一个非扩散但允许跳跃的二元模型中，我们基于鞅估计函数给出了一个显式估计。假设这两个量都是在固定宽度的离散网格上观测的，并且观测视界趋于无穷大。我们证明了估计量是相合的和渐近正态的，并给出了渐近协方差矩阵的显式表达式。我们的方法是通过有限样本实验和统计分析，在纽约证券交易所（NYSE）的国际商业机器公司（IBM）的股票和微软公司（MSFT）的股票在纳斯达克上市的五年的历史。
2008-10-13 math.PR math.ST q-fin.ST
The Role of Binance in Bitcoin Volatility Transmission
我们分析了比特币市场的高频波动动态和溢出效应，重点关注两个对：比特币兑美元（主要的法币-加密货币对）和比特币兑Tether（主要的加密货币对）。我们发现，币安上的限制保证金永久合约显然是波动性的主要来源，它不断向所有其他工具传递强劲的流量，而只接收很少的波动性。此外，我们发现：（i）在美国交易时段，交易员在更新预期时会更加关注当前的市场状况，并且对当前的市场状况做出更大的反应;（ii）当传统的西方股票市场开放时，加密市场表现出更高的互联性。我们的研究结果强调，监管机构不仅应该考虑提供比特币法定交易的现货交易所，还应该考虑大多数不受监管的交易所（最重要的是币安）提供的限制保证金衍生品产品。
2021-08-06 q-fin.ST q-fin.TR
Stochastic volatility of financial markets as the fluctuating rate of trading: an empirical study
我们提出了一个实证研究的从属假说的随机时间序列的股票价格。交易的波动率与股票价格的随机方差相一致，就像在连续时间随机游走（CTRW）框架中一样。对于给定的交易次数N，股票价格变化（对数收益）的概率分布近似为高斯分布。对于给定的时间间隔Dt，N的概率分布是非泊松分布，并且对于大的N具有指数尾，并且对于小的N具有尖锐的截止。结合这两个分布产生了一个非平凡的分布的对数回报率为一个给定的时间间隔Dt，它有指数尾部和高斯中心部分，与经验观察。
2006-12-11 physics.data-an physics.soc-ph q-fin.ST
How the trading activity scales with the company sizes in the FTSE 100
本文研究了富时100指数中公司的“活动”和“规模”指标之间的缩放依赖关系。公司的“规模”是以总市值来衡量的。“活动”是用与交易（每笔交易的交易价值、每小时的交易价值、报价率）、订单队列（订单总数、总价值）和价格动态（价差、波动率）相关的几个数量来衡量的。结果表明：1）按小时交换的价值和订单队列中的价值具有小于1的指数，分别为0.90和0.75，2）报价率和单笔交易价值具有小于1的指数，分别为0.39和0.44; 3）年化波动率与规模无关，逐时波动率随市值的增加而减小，指数为-0.23; 4）价差随波动率的增加而增加，指数为0.94。给出了一个理论上的随机游走参数，它将波动率指数与点1和点2中的指数联系起来。
2004-07-29 cond-mat.other q-fin.ST
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
Carbon-dioxide emissions trading and hierarchical structure in worldwide finance and commodities markets
在一个高度相互依存的经济世界中，金融实体之间的关系的性质正在成为一个越来越重要的研究领域。最近，许多研究表明，最小生成树（MST）在提取金融实体之间的相互作用的有用性。在这里，我们提出了一种改进的MST网络，其度量距离是根据互相关系数的绝对值定义的，使网络相关实体之间的连接能够正确地表现出来。我们调查了69个每日时间序列，包括三类金融资产：28个股票市场指标，21个货币期货和20个商品期货。我们发现，虽然由此产生的MST网络随着时间的推移而演变，类似类型的金融资产往往有连接，这是稳定的，随着时间的推移。此外，我们发现股票市场指标的波动时间序列与欧盟二氧化碳排放配额（EUA）和原油期货（WTI）的波动时间序列之间存在特征时滞。这一时滞由波动时间序列EUA（或WTI）与股票市场指标的互相关函数的峰值给出，并且与0明显不同（>20天），表明股票市场指标今天的波动可以预测欧盟排放配额和原油在不久的将来的波动。
2013-08-16 q-fin.ST
An application of the method of moments to volatility estimation using daily high, low, opening and closing prices
我们利用算术布朗运动的极差期望和对日最高价、最低价、开盘价和收盘价的矩量法来估计股票价格的波动率。开盘时的每日价格上涨被认为是盘后虚拟交易日未被观察到的演变的结果。年化波动率被用来计算欧式期权的Black-Scholes价格，并设计交易策略，当这些价格与市场价格明显不同时获利。
2011-12-20 math.PR q-fin.PR q-fin.ST
Deep Hedging: Learning Risk-Neutral Implied Volatility Dynamics
我们提出了一个数值有效的方法来学习一个风险中性测度的路径模拟现货和期权价格到有限的地平线下凸交易成本和凸交易约束。然后，这种方法可以用于实现随机隐含波动率模型在以下两个步骤：1。训练一个期权价格的市场模拟器，例如我们最近讨论的; 2.找到一个风险中性密度，特别是最小熵鞅测度。由此产生的模型可用于风险中性定价，或在交易成本或交易约束的情况下用于深度对冲。为了激励所提出的方法，我们还表明，市场动态是免费的“统计套利“的交易成本的情况下，当且仅当他们遵循风险中性测度。此外，我们提供了一个更一般的特征存在凸交易成本和交易约束。这些结果可以看作是交易摩擦下统计套利资产定价基本定理的一个模拟，具有独立的意义。
2021-07-14 math.OC q-fin.CP q-fin.ST
A Framework for Predictive Directional Trading Based on Volatility and Causal Inference
Department of Life, Health and Environmental Sciences（生命、健康与环境科学系）；University of L’Aquila（拉奎拉大学）
本研究提出一种结合GMM聚类、多阶段因果推断（GCT、PCMCI、ETE）和机器学习（DTW、KNN）的预测性定向交易框架，基于股票波动率识别领先-滞后关系并确定最佳交易滞后，回测显示其总回报达15.38%，显著优于Buy-and-Hold策略。
2025-07-12 cs.AI q-fin.ST stat.ML
High quality topic extraction from business news explains abnormal financial market volatility
ETH Zurich（苏黎世联邦理工学院）；The Canon Institute for Global Studies（佳能全球战略研究所）；Swiss Finance Institute（瑞士金融研究院）；University of Tsukuba（筑波大学）；The University of Tokyo（东京大学）
理解当今社会中信息流和社会活动之间的相互关系是社会科学的基石之一。在金融经济学中，这方面的关键问题是理解和量化所有可能类型的新闻（地缘政治，环境，社会，金融，经济等）影响有组织的股票市场中公司的交易和定价。在本文中，我们试图通过分析汤普森路透社提供的2400多万条新闻记录及其与标准普尔美国股票指数中206只主要股票交易活动的关系来解决这个问题。我们发现，整个景观的新闻，影响股价走势可以自动总结，通过简单的正则化回归之间的交易活动和新闻信息块分解，借助简单的主题建模技术，到他们的“主题”功能。使用这些方法，我们能够估计和量化新闻对交易的影响。我们引入基于网络的可视化技术来表示与一篮子股票相关的新闻信息的整个景观。对代表主题分布的词的检查证实，我们的方法能够提取影响股市的重要信息。我们的研究结果表明，金融经济中最令人困惑的程式化事实之一，即在某些时候，交易量似乎“异常大”，可以部分地用新闻流来解释。从这个意义上说，我们的研究结果证明，不存在“过度交易”，当限制在新闻是真正的新的，并提供相关的金融信息的时候。
2013-03-23 cs.LG cs.SI physics.soc-ph
Stochastic Volatility Models Including Open, Close, High and Low Prices
Instituto de Estudios Superiores de Administración（高级研究学院）；Department of Applied Mathematics and Statistics, University of California, Santa Cruz（加州大学圣克鲁兹分校应用数学与统计系）；a hedge fund（对冲基金）
本文定义了一类利用交易期内开盘价、收盘价、最低价和最高价来推断资产价格波动率动态的随机波动率模型，并通过序贯蒙特卡洛算法进行拟合，与文献中已有模型比较，用模拟和SP500指数数据验证了其有效性。
2009-01-09 cs.CE cs.NA math.NA
Volatility: a hidden Markov process in financial time series
波动性表征了价格收益波动的幅度。它是金融中的一个中心量，与持有某种资产的风险密切相关。尽管它在交易大厅很受欢迎，但波动性是不可观察的，只有价格是已知的。扩散理论与波动率的研究有许多共同点，其相似之处在于波动率是价格收益随机游走的时间依赖扩散系数。我们提出了一个正式的程序来提取波动率的价格数据，通过假设它是由一个隐马尔可夫过程，连同价格形成一个二维扩散过程。我们得到了一个极大似然估计有效的一类广泛的二维扩散过程。选择指数Ornstein-Uhlenbeck（expanded）随机波动率模型在推断波动率的隐藏状态方面表现得非常好。该方法适用于道琼斯指数。主要结果如下：（i）估计波幅的分布为对数正态分布，与经验模型一致;（ii）估计波幅与成交量按$σ\propto V^{0.55}$形式的幂律关系;及（iii）未来回报与现时波幅成正比，显示未来回报的大小在一定程度上可予预测。
2007-07-27 physics.data-an physics.soc-ph q-fin.ST
Modeling Long Memory in REITs
影响建模过程的金融波动的一个典型特征是长记忆。本文考察了替代风险指标的长记忆性、观察到的每日房地产投资信托基金的绝对和平方回报率，并比较了非房地产投资信托基金股票指数的调查结果。本文利用各种测试的长记忆发现的证据表明，房地产投资信托基金的波动性确实显示持久性，与实际的回报序列。交易量与长记忆有很强的相关性。然而，研究结果确实表明，与更广泛的股票行业相比，房地产投资信托基金的研究结果存在差异，这可能是由于样本期间交易相对清淡。
2011-03-28 q-fin.ST
Evaluating the Effectiveness of Common Technical Trading Models
最常见的交易模式有多有效？答案可能会帮助投资者认识到使用每种模型的好处，作为投资者进入更复杂的金融分析和机器学习的过渡，并提高学生的金融知识。创建流行模型的原始版本，如线性回归，K最近邻和移动平均交叉，我们可以测试每个模型在最受欢迎的股票和最大的指数上的表现。通过每个模型的结果，我们可以比较模型，并了解哪个模型可靠地提高了性能。试验表明，虽然这三种模型都减少了整体趋势强劲的股票的损失，但两种机器学习模型在增加利润方面并不奏效。移动平均线交叉每次都优于连续投资，尽管也导致了更不稳定的投资。此外，一旦完成创建实现移动平均交叉的程序，使用的最佳周期是什么？一项由169，880次试验组成的大规模测试显示了用于提高投资业绩（5，10）和降低波动性（33，44）的最佳时期。此外，数据显示了许多趋势，例如较小的短SMA周期伴随着更高的性能。将波动率与业绩进行对比可以看出，高风险、高回报的说法是正确的，并且表明，对于投资而言，随着波动率的增加，其业绩也会增加。
2019-07-21 cs.CY q-fin.ST
Market dynamics immediately before and after financial shocks: quantifying the Omori, productivity and Bath laws
我们研究了219次市场冲击之前和之后的级联动态。我们将市场冲击的时间T_{c}定义为市场波动率V（T_{c}）具有超过预定阈值的峰值的时间。由“主震”引发的高波动性“余震”的级联在数量上类似于地震和太阳耀斑，这已经被三个经验定律描述-大森定律、生产率定律和巴斯定律。我们分析了2001-2002两年期间美国市场交易量最大的531只股票，时间分辨率为1分钟。我们发现之间的定量关系（i）的“主震”震级M \equiv \log V（T_{c}）发生在时间T_{c}的219“波动性地震”分析，和（ii）的参数量化的衰减波动性余震以及波动性前震。我们还发现，交易活动较大的股票比交易活动较小的股票对市场冲击的反应更强烈，更迅速。我们的研究结果特征的典型的波动性反应条件M，无论是在市场和个股规模。我们认为这三个统计数量关系在期权定价和波动率交易中有潜在的应用价值。
2010-10-03 physics.geo-ph physics.soc-ph q-fin.ST
Utilizing RNN for Real-time Cryptocurrency Price Prediction and Trading Strategy Optimization
Tennessee Tech University（田纳西理工大学）
本研究利用循环神经网络（RNN）捕捉时间序列长期模式，以提高加密货币价格预测准确性并优化交易策略，通过数据收集、预处理、模型优化及回测评估，为学术和实践提供稳健方案。
2024-11-05 cs.AI cs.LG q-fin.ST
Predicting market instability: New dynamics between volume and volatility
经济物理学和计量经济学一致认为，在时间序列中，成交量和波动性之间存在相关性。使用经验数据及其分布，我们进一步研究这种相关性，并发现波动性和成交量相互作用的新方式，特别是当两者都很高时。我们发现，成交量条件波动率的分布是很好的拟合幂律函数与指数截止。我们发现，成交量条件波动率分布的规模与成交量，并崩溃这些分布到一个单一的曲线。我们利用成交量-波动率散点图的特征来发现对数成交量和我们定义为局部最大波动率（LMV）的量之间的强相关性，局部最大波动率表示在给定的交易量范围内观察到的最大波动率。这一发现支持了我们的实证分析，表明成交量是一个很好的预测最大值的波动性为同一天和不久的将来的时间段。我们还使用了一个联合条件概率，其中包括波动率和成交量，以证明调用两者使我们能够更好地预测第二天的最大波动比调用任何一个单独的。
2014-03-20 q-fin.ST
Dynamical Models of Stock Prices Based on Technical Trading Rules Part II: Analysis of the Models
在本文的第二部分中，我们集中分析了在本文第一部分中建立的基于移动平均线规则的价格动态模型。通过对超额需求函数的分解，揭示了趋势跟踪行为和反向行为的相互作用是导致价格混沌的原因，并给出了价格序列从发散到混沌再到振荡的参数范围。证明了价格动态模型存在无穷多个均衡点，但这些均衡点都是不稳定的。我们证明了收益率波动的短期可预测性，并推导出作为模型参数的函数的李雅普诺夫指数的详细公式。我们发现，虽然价格是混沌的，波动率收敛到一些常数非常快的速度的李雅普诺夫指数。基于Monte-Carlo模拟，我们提取了收敛波动率与模型参数之间的关系式。我们探讨了收益表现出独立性的情况，并详细说明了独立性指数是如何随模型参数变化的。最后，我们绘制了混沌价格模型的奇异吸引子和收益率分布，以说明收益率的复杂结构和厚尾分布。
2016-02-21 cs.CE q-fin.ST q-fin.TR
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
Unveiling correlations between financial variables and topological metrics of trading networks: Evidence from a stock and its warrant
交易者采用不同的交易策略，以最大限度地提高他们在金融市场的回报。这些交易策略不仅会导致交易网络中特定的拓扑结构，将交易者与成对的买卖关系联系起来，而且还会对市场动态产生潜在的影响。本文基于2005年8月22日至2006年8月23日宝钢股份及其权证的交易审计跟踪数据，详细分析了交易网络中交易者结构与市场行为的关系。在我们的研究中，我们将每个交易日分为48个时间窗口，每个时间窗口的长度为5分钟，在每个窗口内构建一个交易网络，并获得了超过1,100个交易网络的时间序列。我们发现，有很强的同时相关性之间的拓扑指标（包括网络中心化，指数，平均路径长度）的交易网络，订单执行模式和金融变量（包括回报率，波动性，交易持续时间，交易量）的股票和权证的特征。我们的分析可能为复杂系统中元素之间的微观相互作用如何影响系统的性能提供新的思路。
2013-08-05 q-fin.ST
Ensemble Forecasting for Intraday Electricity Prices: Simulating Trajectories
University of Duisburg-Essen（杜伊斯堡-埃森大学）
最近关于点电价预测的研究表明，每小时德国日内连续市场是弱式有效的。因此，我们采取了一种新颖的、先进的方法来解决这个问题。通过模拟每个交易窗口中的轨迹来执行每小时日内电价的概率预测，以接收真实的集合，从而允许更有效的日内交易和重新调度。一个广义的加法模型被拟合到价格差，假设它们遵循零膨胀分布，确切地说是狄拉克分布和学生t分布的混合。此外，使用具有套索惩罚的高维逻辑回归估计混合项。我们使用i.a.对序列的期望值和波动率进行建模。自回归和无交易效应或负荷、风能和太阳能发电预测，并考虑到例如到期时间的非线性。使用滚动窗口预测研究的样本内特性和预测性能进行了分析。多个版本的模型进行了比较，几个基准模型，并使用概率预测措施和显着性检验进行评估。该研究旨在预测德国日内连续市场在最后3小时交易中的价格分布，但该方法可以应用于其他连续市场，特别是欧洲市场。结果证明了混合模型的优越性，从波动率的建模中获得最多的基准。它们还表明，XBID的引入降低了市场波动。
2020-08-29 cs.LG cs.SY econ.EM
