Financial ratios and stock returns reappraised through a topological data analysis lens
公司的财务状况是公认的回报预测指标，是资产定价文献中大量异常现象的灵感来源。采用拓扑数据分析，我们重新审视了七个最常见的研究财务比率和股票收益率之间的关联问题。具体来说，TDA球映射算法被应用于可视化的点云的财务比率作为一个抽象的二维图形，很容易允许识别因素之间的相互依赖关系。这些关系很少是单调的，投资者利用TDA提供的知识获利的机会比比皆是。明确的潜力所提供的工具，TDA揭示新的光资产定价模型的证明。受益的范围仅受分析师获得信息的限制。
2019-11-23 q-fin.ST
Emergence of time-horizon invariant correlation structure in financial returns by subtraction of the market mode
我们研究了资产收益相关矩阵中的一个结构的出现，因为计算收益的时间范围从分钟增加到每日规模。我们分析来自不同股票市场（纽约，巴黎，伦敦，米兰）的数据，并使用不同的方法。结果关键取决于数据是否仅限于市场的“内部”动态，即“质心”运动（市场模式）是否被去除。如果市场模式没有被删除，我们发现，结构出现，随着时间跨度的增加，从分裂一个单一的大集群。在纽约证券交易所，我们发现，当市场模式被删除，在每日规模的相关性结构已经很好地定义在5分钟的时间跨度，这一结构占80%的股票分类的经济部门。其他市场也有类似的结果，尽管没有那么明显。我们还发现，在隔夜收益率的相关性结构是显着不同的日内活动。
2007-02-13 physics.soc-ph q-fin.ST
Inferring financial stock returns correlation from complex network analysis
本文通过复杂网络分析模拟股票收益相关性中的噪声与市场成分，发现高特征向量中心性和聚类的股票主导相关性矩阵，并基于模拟市场随机游走构建的最优投资组合在短期收益上比历史均值-方差方法最高提升50%。
2024-07-29 physics.soc-ph q-fin.PM q-fin.ST
Aging in Financial Market
我们分析了意大利和美国股票市场期货的数据，并通过更新老化实验来检验连续时间随机游走假设对收益率时间序列生存概率的有效性。我们还研究了返回符号的生存概率，并应用粗粒化过程来揭示其动态过程的更新方面。
2006-06-06 physics.soc-ph q-fin.ST
Random, but not so much: A parameterization for the returns and correlation matrix of financial time series
对金融时间序列的收益率和相关矩阵提出了一种参数化方法，并研究了其性质。这种参数化可以很容易地引入非平稳性，它显示了几个真实的，观察到的实现，如厚尾，波动聚类，和频谱的相关矩阵的特征值，可以理解为随机矩阵理论的结果的扩展。的特征值的参数化的预测行为相比，巴西资产的特征值，它表明，这些预测适合的数据比随机矩阵理论。
2007-01-02 physics.data-an physics.soc-ph q-fin.ST
A new decomposition approach to modeling financial returns: Conditioning sign on magnitude
Université Laval（拉瓦尔大学）
提出一种将收益率分解为符号和幅度（绝对值）成分的新方法，通过幅度条件化符号分布来捕捉非线性可预测性，并在美国股市月度超额收益预测中优于线性回归等方法。
2026-06-02 q-fin.ST
Regularity in forex returns during financial distress: Evidence from India
本文利用近似熵和样本熵研究2006-2021年印度外汇收益的随机性，发现金融危机期间收益规律性增强，且样本熵是更优的规律性度量指标。
2023-08-08 q-fin.ST
Impact of the tick-size on financial returns and correlations
我们证明，最低可能的价格变化（最小价格变动单位）有很大的影响，金融收益率分布的结构。它诱导微观结构，以及它可以改变尾巴的行为。在小的收益区间上，最小价格变动单位会扭曲相关系数的计算。这尤其发生在小的回波间隔上，因此有助于相关系数向更小的回波间隔衰减（Epps效应）。我们在一个模型中研究这种行为，并在市场数据中识别这种影响。此外，我们提出了一种方法来补偿这种纯粹的统计误差。
2010-07-12 q-fin.ST q-fin.TR
Volatility Effects on the Escape Time in Financial Market Models
我们简要回顾了逃逸时间的统计特性，或击中时间，股票价格收益率使用不同的模型，描述了股票市场的演变。我们比较这些逃逸时间的概率函数（PF）与从真实市场数据中获得的。然后详细分析了噪声和不同初始条件对具有随机波动率和三次非线性的市场模型逃逸时间的影响。对于这个模型，我们比较了股票价格收益率的PF，波动率的PF和收益相关性与从真实市场数据中获得的相同的统计特征。
2008-10-08 physics.soc-ph 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
Weighted-indexed semi-Markov models for modeling financial returns
在本文中，我们提出了一个新的随机模型的基础上推广的半马尔可夫链研究的高频价格动态的交易股票。我们假设金融收益率由加权指数半马尔可夫链模型描述。通过蒙特卡罗模拟，我们发现，该模型能够再现金融时间序列的重要程式化事实，如第一通道时间分布和波动的持续性。该模型适用于意大利和德国股票市场从2007年1月1日至2010年12月底的数据。
2012-06-11 physics.data-an q-fin.ST
On collective non-gaussian dependence patterns in high frequency financial data
对一篮子股票的滞后和同步日内价格增量的条件分布的分析揭示了相关性引起的波动微笑和峰度降低现象。一个基于多元t-Student分布的模型表明，观测效应是由金融时间序列的集体选择性非高斯相关性引起的。
2006-06-26 physics.soc-ph q-fin.ST
Microscopic Origin of Non-Gaussian Distributions of Financial Returns
本文研究了金融工具价格变动的重尾概率密度分布的可能微观起源。我们扩展了标准的对数正态过程，在所谓的随机波动率模型中包括另一个随机成分。我们研究这些模型的假设下，类似于波恩-奥本海默近似，其中的波动性已经放松到其均衡分布，并作为一个背景的价格过程的演变。在这种近似下，我们证明了所有的随机波动率模型在零漂移修正的对数收益的时滞中应该表现出一个标度关系。我们验证了道琼斯工业平均指数确实遵循这种缩放。然后，我们专注于两个流行的随机波动率模型，赫斯顿和赫尔怀特模型。特别是，我们表明，在赫尔-怀特模型中，由此产生的概率分布的对数回报率在这种近似对应于Tsallis（t-学生）分布。根据微观随机波动率模型给出了Tsallis参数。最后，我们证明了30年道琼斯指数的对数收益率很好地拟合了Tsallis分布，获得了相关参数。
2007-07-06 cond-mat.other physics.soc-ph q-fin.ST
Self-affinity in financial asset returns
当备择假设下的收益是自仿射的时，我们检验了偏离正态和独立同分布（NIID）的收益。自仿射收益是分数积分和长程相关的，或者是从具有无限高阶矩的L-稳定分布中随机抽取的。有限样本性能的估计的两种形式的自仿射探讨在模拟研究表明，不同于重标极差分析和其他传统的估计方法，波动分析的变体，认为有限样本矩只能够识别任何形式的自仿射。然而，当收益率是自仿射和长期相关的备择假设下，重标极差分析有更大的权力比波动分析。当收益表现出任一形式的自仿射性时，估计量的有限样本性质可以用来确定经验收益数据中自仿射性的来源。通过对11个股票市场指数的日对数收益率的分形特性的分析，说明了该技术。
2014-01-28 q-fin.ST
Serial correlation and heterogeneous volatility in financial markets: beyond the LeBaron effect
本文研究了标准普尔500指数的收益率序列相关性与日内波动性之间的关系。在每日和每周的水平上，序列相关性和波动性是负相关的（LeBaron效应）。在确认LeBaron效应也在日内水平上成立的同时，我们超越了它，并补充了有效市场的菌丝（回报率）与异质市场的菌丝（波动性），我们测试了意外波动的影响，定义为波动性的一部分，无法预测，在时间序列中存在序列相关性。我们发现，意外波动，而不是正相关的日内序列相关性。
2008-10-27 physics.soc-ph q-fin.ST
Dynamical Structures of High-Frequency Financial Data
我们研究的动态行为的高频数据从韩国股票价格指数（KOSPI）在韩国金融市场的回报率的运动。我们模型的二值化序列的动力学行为不是完全随机的。条件概率是从KOSPI报价数据的回报序列中数值估计的。非平凡的概率结构可以由自回归（AR），logit和probit模型的二进制时间序列，赤池信息准则显示在第15阶的最小值。从我们的结果中，我们发现AR模型的正确匹配率的值略大于其他模型的结果。
2005-12-23 physics.soc-ph q-fin.ST
A multi-scale symmetry analysis of uninterrupted trends returns of daily financial indices
我们提出了一个对称性分析不同的金融指数的变化的分布，通过由作者开发的对称性统计Einmahl和Mckeague的基础上的统计程序。我们将这种统计方法应用于金融不间断的每日趋势回报和其他衍生的可观察数据。在我们看来，为了研究分布对称性，趋势收益率比常用的每日财务收益率提供了更多的优势;最重要的两个是：1）趋势收益率涉及不同时间尺度上的采样，2）通过构造，这个变量时间序列包含实际上相同数量的非负和负条目值。我们还表明，这些时间多尺度回报显示分布双峰。本文分析的每日金融指数包括墨西哥IPC、美国DJIA、德国DAX和日本日经指数，涵盖时间段为1991年8月11日至2017年6月30日。我们表明，在本文所考虑的时间尺度分辨率和重要性，它几乎总是可行的找到一个区间的可能的对称点包含一个最合理的对称点表示为C。最后，我们研究的时间演变的C表明，这一点很少是零，并响应极端的市场事件的敏感性。
2019-08-27 econ.EM q-fin.ST
Symmetry alteration of ensemble return distribution in crash and rally days of financial markets
我们选择在纽约证券交易所交易的$n$股票，并从股票价格时间序列中形成我们数据库中每个$k$交易日的每日股票收益的统计集合。我们研究了每个交易日的集合收益率分布，发现集合收益率分布的对称性在市场的崩溃和反弹日发生了剧烈的变化。我们将这些实证结果与基于单指数模型的数值模拟进行比较，得出结论，该模型无法解释极端日的市场行为。
2000-02-28 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
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
Correction to "Leverage and volatility feedback effects in high-frequency data" [J. Financial Econometrics 4 (2006) 353--384]
Bollerslev et al.（2006）研究了Heston（1993）随机波动率模型下平方收益率的互协方差。为了获得这些互协方差，作者使用了一个不正确的平方收益分布表达式。在这里，我们将获得平方收益率的正确分布，并检查在这个新分布下，Bollerslev et al.（2006）附录A.2中的结果仍然成立。
2009-02-04 q-fin.ST
Scale invariant multiplier and multifractality of absolute returns in stock markets
利用金融时间序列的一分钟高频数据，研究了绝对收益率乘数的统计特性。当$s$大于某个交叉尺度时，乘数分布与盒子大小$s$无关，为金融数据中尺度不变性的存在提供了直接证据.以$a=2$为底的乘数很好地近似于正态分布，并且最可能的乘数尺度关于底$a$为幂律。我们揭示了波动率乘数具有多重分形性质，它与乘数的构造，即$s$和$a$的值无关。
2007-02-06 physics.soc-ph q-fin.ST
Multifractal Model of Asset Returns versus real stock market dynamics
越来越多的经验证据表明，多重分形构成了另一个，也许是最重要的金融程式化事实。因此，一个现实的金融动态模型应该考虑到这一影响。在这方面，最有前途的是资产收益的多重分形模型（MMAR），其中的多重分形进行时间变形。在我们的研究中，我们专注于勒克斯扩展MMAR和华沙证券交易所的经验数据。我们表明，这个模型是能够再现真实的股票市场动态的相关方面。
2006-08-31 physics.soc-ph q-fin.ST
An explanation for the distribution characteristics of stock returns
本文提出金融市场对事件或信息的反应函数及收益分布模型，解释股票收益的高峰、肥尾和偏斜特征，并通过对CSI 300、S&P 500和N225不同时间尺度的分析验证了市场反应不足、过度反应及正负信息反应不对称等规律。
2023-12-05 q-fin.ST
Semiparametric Conditional Quantile Models for Financial Returns and Realized Volatility
本文研究了金融资产未来收益率和波动率的条件分位数如何随着资产价格的事后变化以及期权-隐含波动率的不同度量而变化。我们工作在灵活的分位数回归框架，并依赖于最近开发的无模型的综合方差，上下半方差和跳跃变化的措施。我们对标普500和WTI原油期货合约的研究结果表明，简单的线性分位数回归的回报和异质分位数自回归的已实现波动率表现非常好，在捕捉各自的条件分布的动态，无论是在绝对值，以及相对于一对夫妇的成熟的基准模型。因此，该模型可以作为有用的风险管理工具，为投资者交易的期货合约本身或各种衍生品合约的已实现波动率。
2013-08-20 q-fin.PM q-fin.ST
Dynamical analysis of financial stocks network: improving forecasting using network properties
本研究通过分析股票收益相关网络，提取个股与全局网络属性，用于预测标普500个股未来收益，长期预测R2提升50%，短期提升3%。
2024-08-21 physics.soc-ph q-fin.CP q-fin.ST
Modelling financial returns with mixtures of generalized normal distributions
本论文提出广义正态分布混合（MGND）及其扩展模型，通过ECM和GEM算法解决参数估计中的退化问题，并引入约束混合与隐马尔可夫模型，有效捕捉金融收益的复杂模式与动态特性，提升金融分析与风险管理的决策能力。
2024-10-21 q-fin.ST stat.ME
Signal inference in financial stock return correlations through phase-ordering kinetics in the quenched regime
本文提出随机场论模型，在特征值连续谱内建立信号检测阈值，克服主成分分析在随机矩阵情形下失效的问题，并在标普500金融股票收益相关性中成功检测到最大特征值中的信号。
2024-09-29 cond-mat.stat-mech q-fin.MF q-fin.ST
Exponential distribution of financial returns at mesoscopic time lags: a new stylized fact
我们研究的概率分布的股票收益率在中观时间滞后（回报视野）范围从大约一个小时到大约一个月。虽然在较短的微观时间滞后的分布有幂律的尾巴，中观时间的大部分分布（超过99%的概率）遵循指数律。指数函数的斜率由收益的方差决定，它与时滞成比例地增加。在较长的时间，指数规律不断演变成高斯分布。指数到高斯的交叉是很好地描述了具有随机波动率的赫斯顿模型的解析解。
2004-07-25 cond-mat.stat-mech q-fin.ST
Assessing symmetry of financial returns series
概率分布的对称性检验是一个在许多领域应用中经常遇到的问题。特别是，在研究用于分析股票市场指数变化的可观测量时，对称性问题还没有通过统计方法得到充分的研究。在这项工作中，分布免费测试统计量Tn的对称性测试，来自Einmahl和McKeague，基于经验似然方法，是用来解决金融收益的对称性的研究。本文还计算了检验统计量Tn的渐近点，并提出了一个用于股票市场指数收益分析的对称性评估程序。
2007-01-16 physics.comp-ph physics.data-an 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
Burst and inter-burst duration statistics as empirical test of long-range memory in the financial markets
我们讨论了金融市场中的长程记忆问题。有两种概念上不同的方法来再现自相关函数的幂律衰减：使用分数布朗运动以及非线性随机微分方程。在这篇文章中，我们通过分析外汇市场的经验回报和交易活动时间序列来解决这个问题。从经验时间序列中，我们得到了突发和突发间持续时间的概率密度函数。我们的分析表明，所获得的概率密度函数的幂律指数接近$3/2$，这是一维随机过程的一个特征。这是在一个很好的协议与早期提出的绝对回报模型的基础上的非线性随机微分方程推导出的基于代理人的羊群模型。
2017-01-05 physics.soc-ph q-fin.ST
A Three-state Opinion Formation Model for Financial Markets
本文提出了一个三态微观意见形成模型，用于模拟金融市场的动态。为了模拟市场中大量投资者的异质性组成，基于代理的模型考虑了两种不同类型的交易者：噪声交易者和逆向交易者。代理被表示为交互网络中的节点，它们可以假设三种不同的可能状态中的任何一种（例如买入，卖出或保持不活动）。代理的状态的时间演变是由概率动力学，包括本地和全球的影响。噪声交易者受到局部相互作用的影响，倾向于假设其最近邻居的多数状态，而反向交易者受到与整个市场行为的全球相互作用的影响，倾向于假设市场的全球少数状态。该模型具有典型的金融时间序列的定性和定量特征，包括收益率分布的重尾性、波动率的聚集性和收益率绝对值的长时间记忆性。收益率的分布拟合耦合高斯分布的装置，定量揭示之间的过渡尖峰，中峰和platykurtic制度的非线性统计耦合，描述了系统的复杂性。
2019-05-10 physics.soc-ph q-fin.ST
Modelling Returns and Volatilities During Financial Crises: a Time Varying Coefficient Approach
我们研究了在最近的金融危机中，关键金融时间序列的最普遍的随机特性是如何受到影响的。特别是，我们专注于与显着的经济事件在过去二十年的均值和波动动态，包括潜在的波动持续性和波动溢出结构的变化。利用几个主要股票市场指数的日数据，我们发现股票市场收益率在其相应的条件方差下具有时变持续性。此外，我们的二元GARCH模型的结果表明，富时指数和DAX指数的回报率之间的时变相关性，以及时变冲击和波动溢出，日企和恒生指数，这在最近的金融危机变得更加突出。我们对时变模型的理论考虑也具有独立的兴趣，该模型为我们整合多方面的实证方法提供了平台。特别是，我们提供了一般的解决方案，低阶时变规格，这是一个长期的研究课题。这使我们能够通过导出这些模型的特征，第一，他们的多步预测，第二，前两个时变无条件矩，第三，他们的协方差结构。
2014-03-27 q-fin.GN q-fin.ST
Stochastic model of financial markets reproducing scaling and memory in volatility return intervals
我们研究了纽约证券交易所和外汇市场的波动性回报区间。我们解释以前的实证研究结果使用的模型的基础上相互作用的代理假说，而不是广泛使用的有效市场假说。我们推导出宏观方程的基础上微观羊群互动的代理人，并发现他们能够再现各种程式化的事实，不同的市场和不同的资产与相同的一组模型参数。我们发现，幂律性质和缩放的回报率区间和其他金融变量有一个类似的起源，并可能是一个通用类的非线性随机微分方程的结果，来自主方程的代理系统，耦合羊群的相互作用。具体来说，我们发现，这种方法使我们能够恢复的波动率收益率区间统计数据，以及波动率概率和谱密度的纽约证券交易所和外汇市场，不同的资产，并为不同的时间尺度。我们还发现，历史S\P 500月度序列表现出相同的波动率收益率区间属性恢复我们提出的模型。我们的统计结果表明，人类的羊群行为是如此强烈，以至于即使其他不断变化的波动扰乱了金融体系，它也会持续存在。
2016-10-25 q-fin.GN q-fin.ST
Measuring multiscaling in financial time-series
我们讨论了金融时间序列中多尺度的起源，并研究了如何最好地量化它。我们的方法包括通过分析具有已知属性的合成时间序列的多/单尺度行为来分离测量多重分形的不同来源。我们使用合成时间序列的结果来解释实际对数收益率时间序列的多重分形测度。主要的发现是，聚集地平线的回报率可以引入一个强大的偏差效应的多重分形的测量。当收益率分布具有指数在[2，5]范围内的幂律尾部时，这种效应可能变得特别重要。我们讨论了正确的聚合范围，以减轻这种偏见。
2015-09-21 q-fin.ST
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
Modeling stylized facts for financial time series
为了模拟金融时间序列中收益率的经验行为，构造了收益率的多元概率密度函数。它们描述了高斯随机游走的既定偏差，例如收益率分布的近似标度和重尾，长期波动率-波动率相关性（波动率聚类）和收益率-波动率相关性（杠杆效应）。该模型成功地测试，以适应联合分布的100+年的每日价格回报的道琼斯30工业平均指数。
2004-11-03 cond-mat.other q-fin.ST
The components of empirical multifractality in financial returns
本文以1896年5月26日至2007年4月27日道琼斯工业平均指数的日数据为例，对金融收益率的经验多重分形的组成部分进行了系统的研究。收益率的时间结构和厚尾分布被认为是可能的影响因素。将原始收益率序列的多重分形谱与四种替代数据的多重分形谱进行了比较：（1）不包含时间相关性但具有相同分布的混洗数据，（2）其中任何非线性相关性被去除但分布和线性相关性被保留的替代数据，（3）其中大的正收益和负收益被小的值替换的替代数据，以及（4）从保留时间相关性的可选厚尾分布生成的替代数据。我们发现这些因素都对多重分形谱有影响。我们还发现，时间结构（线性或非线性）对多重分形谱的奇异宽度$Δα$的影响较小，而胖尾对$Δα$的影响较大，这证实了先前的结果.此外，线性相关被发现只有水平平移的多重分形谱的距离约等于其DFA标度指数和0.5之间的差异的影响。我们的方法也可以应用到其他金融或物理变量和其他多重分形形式主义。
2009-10-31 physics.data-an q-fin.ST
Copula-based deviation measure of cointegrated financial assets
本文提出一种基于Copula的稳健方法，用于度量协整金融资产收益间的相依关系，克服传统相关系数的局限性，提升评估的稳定性与信息量。
2023-12-04 q-fin.CP q-fin.ST q-fin.TR
Characterizing asymmetric and bimodal long-term financial return distributions through quantum walks
Ghent University（根特大学）
本文通过量子行走模型研究长期金融回报分布的非对称性和双峰特性，揭示其与经典模型的不同之处，为理解长期资产价格动态提供新视角。
2026-04-15 q-fin.GN q-fin.ST quant-ph
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
Dynamics of Bid-ask Spread Return and Volatility of the Chinese Stock Market
买卖价差是衡量金融市场流动性的重要指标。本文研究了中国股票市场四种流通股的价差收益率和价差波动率的动态变化规律，包括记忆效应和多重分形性质。通过对自相关函数和去趋势波动分析（DFA）的研究，发现价差收益率缺乏长期记忆性，而价差波动率具有长期时间相关性。此外，通过应用多重分形去趋势波动分析（MF-DFA），利差收益率被观察到具有很强的多重分形，这是类似于各种金融量的动态。与利差收益率相关的是，利差波动率具有弱的多重分形性质。
2011-10-20 physics.soc-ph q-fin.ST q-fin.TR
Construction of Minimum Spanning Trees from Financial Returns using Rank Correlation
由相关矩阵构造最小生成树是研究金融市场关系的常用方法。然而，关于这个主题的大多数工作倾向于使用皮尔逊相关系数，它依赖于正态假设，并且可能对异常值的存在很脆弱，这两种方法都不适合研究财务回报。在本文中，我们研究的推断MST从每日美国，英国和德国的金融回报率使用皮尔逊和两个等级相关的方法，斯皮尔曼和肯德尔的$τ$。使用这些秩方法构造的MST往往比使用Pearson相关性构造的MST更稳定，并且在数据集上保持更多的边缘。Pearson和秩MST之间的边缘一致性取决于市场的状态，但秩MST通常在任何时候都表现出很强的一致性。偏离单变量正态性可能与相关矩阵的变化有关，但更难以与MST的变化联系起来。与系数无关，树往往具有相似的拓扑结构。对于较大的市场，根据MST相关矩阵构建的投资组合的成交额比来自完整协方差矩阵的投资组合的成交额要小，但对于较小的德国市场则不然。利用自举方法，我们发现，使用秩相关构造的相关矩阵是更强大的，但有小的差异之间的鲁棒性的MST。
2020-11-30 cs.CE 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
BERT-based Financial Sentiment Index and LSTM-based Stock Return Predictability
传统的金融情感构建严重依赖于基于字典的方法，除了少数例外，使用简单的机器学习技术，如朴素贝叶斯分类器。鉴于自然语言处理技术的快速发展，本研究采用Google开发的预训练模型BERT构建了一个基于文本的情绪指数，特别是针对香港市场上三只交易活跃的个股，同时又是微博上的热门话题。一方面，我们证明了一个显着的增强应用BERT在金融情绪分析相比，现有的模型。另一方面，通过结合金融文献中构建情绪指数时常用的另外两种方法，期权隐含方法和市场隐含方法，我们提出了一个更一般和全面的金融情绪分析框架，并通过结合LSTM（具有非线性映射的特征）进一步为个股收益的可预测性提供令人信服的结果。这与情绪影响分析中的主流计量经济学方法都具有线性回归的性质有着显著的区别。
2022-07-07 q-fin.GN q-fin.ST
Understanding the source of multifractality in financial markets
本文利用广义赫斯特指数方法研究了不同金融时间序列的多标度行为。我们表明，这种方法是强大的，在检测不同类型的多尺度。我们观察到一个令人困惑的现象，在多重分形的明显增加是衡量从洗牌收益，所有的时间相关性被破坏，而收益分布是保守的时间序列。这一效应是强有力的，并在包括股票市场指数、汇率和利率在内的若干实际金融数据中重现。为了了解这种效果的起源，我们调查不同的模拟时间序列通过马尔可夫切换多重分形（MSM）模型，自回归分数积分移动平均（ARFIMA）过程与稳定的创新，分数布朗运动和Levy航班。总体而言，我们的结论是，在金融时间序列中观察到的多重分形主要是一个后果的特征厚尾分布的回报和时间相关性有效果，以减少测量的多重分形。
2012-01-10 q-fin.ST
Variety and Volatility in Financial Markets
我们通过考虑单个时间序列和同时交易的股票集合的统计特性来研究金融市场中股票交易的价格动态。我们使用在纽约证券交易所交易的$n$股票来形成每日股票收益的统计集合。对于我们的数据库的每个交易日，我们研究了整体收益率分布。我们发现，一个典型的集合收益率分布存在于大多数的交易日，除了崩溃和反弹的日子和这些极端事件之后的日子。我们分析每个集合返回分布提取其前两个中心矩。我们观察到，这些时刻是波动的时间，是随机过程本身。通过研究集合收益分布中心矩的概率密度函数和时间相关特性，刻画了集合收益分布中心矩的统计特性。一般来说，时间平均和投资组合平均价格收益具有不同的统计特性。我们从这些差异中推断出股票之间和不同交易日之间相关性的相对强度。最后，我们将我们的经验结果与单指数模型预测的结果进行了比较，得出结论，这个简单的模型无法解释集合收益率分布的二阶矩的统计特性。
2000-06-05 cond-mat.stat-mech q-fin.ST
Asymmetric Tsallis distributions for modelling financial market dynamics
金融市场是一个高度非线性、非均衡的系统。早期的研究表明，市场收益的行为可以在非广延的Tsallis统计或超级统计的框架内得到很好的描述。对于小的时间尺度（延迟），一个很好的拟合股票收益率的分布与q-高斯分布，它可以来自Tsallis统计或超统计。这些分布是对称的。然而，随着时滞的增加，分布变得越来越不对称。在这项工作中，我们通过将数据分布视为两个独立的归一化分布的线性组合来解决这个问题-一个用于负收益，一个用于正收益。这两个独立的分布都是具有不同的非扩展性参数q和温度参数β的半q-高斯分布。利用这个模型，我们研究了股票市场收益率在1到80天时间尺度上的行为。这些数据涵盖了.com泡沫和2008年崩盘时期。这些调查表明，对于所有的时间滞后，拟合的数据分布是更好地使用非对称分布比对称的q-高斯分布。q参数的行为对于正收益和负收益是完全不同的。对于正收益，q在一定的滞后之后接近常数1，表明分布已经达到均衡。另一方面，对于负收益，q值在所研究的时间尺度上不会达到稳定值。在本模型中，市场在2008年崩盘期间表现出从正常行为到超扩散行为的转变（可能的相变）。在q与时滞无关的对称q-高斯分布模型中没有观察到这种行为。
2021-02-08 q-fin.ST
Causality between investor sentiment and the shares return on the Moroccan and Tunisian financial markets
本文研究摩洛哥和突尼斯金融市场中投资者情绪与股票收益的因果关系，发现盈利性导致投资者情绪而非相反，且两者存在显著正向关系但情绪不可预测。
2023-05-26 q-fin.GN q-fin.PM q-fin.ST
Herd Behaviors in Financial Markets
我们研究了日本金融市场日元对美元汇率收益的羊群行为。结果表明，$R$的概率分布$P(R)$满足幂律行为$P(R) \simeq R^{-β}$，其指数为$ β=3.11$（$τ=$的时间间隔为$τ=$ 1分钟）和3.36（$τ=$的时间间隔为$τ=$ 1天）.在$τ=$ 1分钟时，信息级联状态出现在羊群参数$H\ge 2.33$中，而在$τ=$ 1天时，信息级联状态不出现羊群。特别地，我们发现在一个时间步长$Δt=1$日，归一化收益率的分布表现出向高斯分布的交叉。
2004-05-09 cond-mat.stat-mech q-fin.ST
Bayesian inference and superstatistics to describe long memory processes of financial time series
金融数据的标准化特征之一是对数收益率不相关，但绝对对数收益率或其平方（即波动波动率）相关，并且在绝对对数收益率的某个时刻是无限的并且通常是非高斯的意义上具有重尾特征[20]。这一特征随时间尺度的不同而变化。我们建议通过超统计动态来模拟这种长记忆现象，并提供一种基于Metropolis-Hasting随机游走抽样的贝叶斯推理方法，以确定逆伽马和对数正态之间的超统计量在不同的时间尺度上描述了最佳的对数回报复杂性，从高到低的频率。我们发现，在较小的时间尺度（分钟），即使逆伽马超统计量的作品最好的，对数正态模型仍然非常可靠，适合拟合绝对对数收益率概率密度分布，具有强大的能力，描述重尾和幂律衰减。在更大的时间尺度（每日），我们表明，在贝叶斯因子的逆伽马超统计是首选的对数正态模型。我们还显示了从小时间尺度上的幂律衰减到大规模上的指数衰减的统计过渡的证据，这意味着在较大的时间尺度上的波动波动性往往是无记忆的，因此超统计变得不那么相关。
2021-05-10 q-fin.ST
Recurrence interval analysis of high-frequency financial returns and its application to risk estimation
本文研究了中国股票市场两个指数和20只个股的连续1分钟收益率高于正阈值$q>0$或低于负阈值$q<0$的重现区间$τ$的概率分布。正、负阈值的重现区间分布是对称的，并通过Kolmogorov-Smirnov（KS）统计量、加权KS统计量和Cramér-von Mises准则三种拟合优度测度检验，呈现幂律尾。在正阈值和负阈值$q$的复发间隔中观察到长期和短期记忆效应。在此基础上，我们进一步将递归区间分析应用于中国股票市场的风险估计中，分别基于概率$W_q(Δ{t},t)$、风险价值（VaR）分析和基于前一个递归区间的VaR分析。
2009-09-01 q-fin.RM q-fin.ST
Returns in futures markets and $ν=3$ t-distribution
以高频率采样的金融时间序列的对数收益率的概率分布是量化金融任何进一步发展的基础。在这封信中，我们提出了一个大的时间序列期货的基础上的实验结果。然后，我们表明，t分布与$ν\simeq 3$给出了一个很好的描述几乎所有的数据序列。这似乎是一个相当普遍的结果，它在任何金融数据的大集合上以及在这些数据的宽范围的采样频率（低于一小时）上保持稳健。
2011-10-05 q-fin.ST
