Time series of stock price and of two fractal overlap: Anticipating market crashes?
我们发现两个康托集的重叠时间序列的功能突出的相似之处，当一个集移动均匀的相对速度超过其他和时间序列的股票价格。根据这些观察结果，本文提出了一些碰撞的预测方法。
2005-10-06 physics.data-an physics.soc-ph q-fin.ST
Identifying the bottom line after a stock market crash
在这篇实证论文中，我们表明，在崩溃后的几个月里，股票价格的下跌和债券样本利率范围的增加之间存在明显的联系。这一变量通常被称为利差变量，可被视为衡量贷款人对未来看法差异的统计指标;换句话说，它为经济行为主体面临的不确定性提供了一个可操作的定义。股票价格和价差变量之间存在强烈的负相关关系，这一观察结果依赖于对1857年至1987年美国8次重大崩盘的研究。尽管金融市场的组织发生了重大变化，但这种关系在一个半世纪以来仍然有效，从股票市场的蒙特卡罗模拟的角度来看，这种关系可能是有意义的。
1999-10-14 cond-mat.stat-mech q-fin.ST
Another type of log-periodic oscillations on Polish stock market?
对数周期振荡被用来预测金融市场的价格趋势和崩溃。到目前为止，两种类型的对数周期振荡已经与现实市场。第一种是伴随着市场上涨而以崩盘告终的振荡。第二种类型的振荡，称为“反泡沫”，出现在崩溃后，当价格下降。在这里，我们提出了第三种类型的对数周期振荡，其中一个外生崩溃的对数周期行为的市场，市场正在成长。在“俄罗斯危机”（1998年8月）和2000年4月“新经济崩溃”之间的波兰股票市场指数中，已经发现了这种行为。
2003-08-01 cond-mat.stat-mech 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
Market-wide price co-movement around crashes in the Tokyo Stock Exchange
本文以东京证券交易所上市的日经225指数成分股为研究对象，分析了2007- 2009年三年的高频股票收益率数据，研究了股市崩盘前后的价格联动性。对白天连续拍卖中每隔1 min采集的时间序列进行逐日主成分分析，结果显示相关矩阵的最大特征值具有长达数月的显著自相关性，反映了整个市场股价联动的强度。它还与日经225指数的开盘至收盘日内收益率和日收益率密切相关。在多重分形随机游走模型的框架下，研究了最大特征值对应的第一主成分市场模式。在滑动时间窗中估计的模型参数描述了随机波动率的对数的协方差，在几乎所有小于-5%的盘中价格大幅下跌之前增长。这一现象表明，在崩盘之前，整个市场的集体行为正在上升，这可能反映了市场参与者的羊群效应。
2013-06-10 q-fin.ST
Critical Market Crashes
这篇评论是对《为什么股票市场崩溃》一书（普林斯顿大学出版社，2003年1月）的部分综合，该书提出了他的同事和作者在过去七年中发展的关于金融崩溃和股票市场不稳定的一般理论。对提款或连续损失的频率分布的研究表明，大型金融崩溃是"离群者“：它们形成了自己的一类，这可以从它们的统计特征中看出。如果说大规模金融危机是“异类”，那么它们就是特殊的，因此需要一个特殊的解释、一个特定的模型、一个它们自己的理论。此外，它们的特殊性质也许可以用于它们的预测。导致正反馈的主要机制，即，本文综述了投资者之间的模仿行为和羊群行为等自我强化行为，并对物理学范围之外的相关文献进行了大量的参考。正反馈为投机泡沫的发展提供了燃料，为大崩盘的不稳定性做好了准备。我们展示了几个详细的数学模型的投机泡沫和崩溃。最重要的信息是发现了崩溃方法的强大和通用签名。在发达国家和新兴市场的股票市场、货币市场、公司股票等的崩溃中，几乎所有的崩溃都有这些偶然的模式。"反泡沫“的概念也被总结出来，并对1999年开始的日本股票市场和美国股票市场进行了两次前瞻性预测。最后，我们提出我们对金融市场组织的看法。
2003-01-28 cond-mat.stat-mech nlin.AO physics.soc-ph
Herding boosts too-connected-to-fail risk in stock market of China
大众恐慌及其蔓延在股市崩盘时发挥了不可忽视的作用，特别是对于缺乏经验的投资者主导市场的中国来说。然而，现有的模型很少考虑网络股票的投资者，因此错过了恐慌传染如何导致突然崩溃的确切知识。本文通过对共享基金股票的网络化，提出了一种研究市场崩溃的新方法。令人惊讶的是，羊群效应，起源于模仿寻求高度多样性的投资策略，以降低个人风险，将产生过于连接到失败的股票，并不情愿地提高整个市场的系统性风险。尽管关联度太高的股票在危机期间可能相对稳定，但它们的影响力如此之大，以至于一个小的向下波动会引发后续股票的大幅下跌，这意味着它们的下跌可能会因集体恐慌而意外放大，导致市场崩盘。我们的研究结果表明，投资组合策略的全貌必须仔细监督，以重塑股票网络。
2018-04-25 physics.soc-ph q-fin.GN q-fin.ST
Structural and topological phase transitions on the German Stock Exchange
我们发现的动力学，结构和拓扑相变的数值和经验证据（德国）法兰克福证券交易所（FSE）在全球金融危机的时间附近。利用最小生成树（Minimal Spanning Tree，MST）技术，我们发现了FSE复杂网络的两个拓扑变迁：第一个变迁是从代表最近全球金融危机前股票市场的层次无标度MST，到一个超级明星般的MST装饰的无标度层次的树代表市场的状态，为包含崩溃的时期。随后，观察到的过渡，从这个短暂的，（Meta）稳定状态的崩溃，一个层次的无标度MST装饰的几个星状树后，世界范围内的金融危机。观察到的相变类似于我们早先在华沙证券交易所得到的相变，并且比Onnela-Chakraborti-Kaski-Kertész在黑色星期一（1987年10月19日）附近和1998年1月1日附近对标准普尔500指数发现的相变更明显。我们的研究结果为今后金融市场的动力学、结构和拓扑相变理论提供了经验基础。
2013-07-15 physics.soc-ph q-fin.ST
Power laws and market crashes
在本文中，我们定量研究了股票价格的统计合奏的统计特性。我们选择了1200只在东京证券交易所交易的股票，对1999年1月4日至2001年12月28日这3年中的每个交易日的股票价格进行了统计，这3年对应于日本互联网泡沫的形成和日本股票市场泡沫的破裂。我们发现，在价格的高值的股票价格的合奏的互补累积分布函数的尾部是很好地描述了幂律分布，$ P(S>x) \sim x^{-α} $，与指数的范围内移动$ 1.09 < α< 1.27 $。此外，我们还发现，当幂律指数$ α$接近1时，泡沫会崩溃。这表明股票价格的齐普夫定律是泡沫即将破裂的信号。PACS：89.65.Gh
2006-03-17 physics.data-an physics.soc-ph q-fin.ST
Market correlation structure changes around the Great Crash
本文基于沪深两证券交易所1228只股票高频收益率的随机矩阵分析，对2008年金融危机前后的中国股票市场进行了比较分析。研究了一年内两个时间段内市场指数的原始相关矩阵和部分相关矩阵。研究发现，2008年中国股票的平均相关性和偏相关性都比2007年强，平均偏相关性显著弱于各期的平均相关性。因此，在每个周期中，相关矩阵的最大特征值显著大于部分相关矩阵的最大特征值。此外，每个最大特征值及其特征向量反映了明显的市场效应，而其他偏离特征值则没有。我们发现没有证据表明偏离特征值包含工业部门的信息。令人惊讶的是，2007年第二大特征值和2008年第三大特征值的特征向量能够区分两个交易所的股票。我们还发现，一些最大的特征向量的分量的大小是成比例的股票的资本化。
2016-01-30 q-fin.RM q-fin.ST
A Precursor of Market Crashes
在本文中，我们定量地研究了股票价格的统计系综的性质。我们将注意力集中在定义为$ X(t) = S(t)/S(0) $的相对价格上，其中$ S(0) $是初始价格。我们选择了在日本证券交易所交易的约3200只股票，对1999年1月4日至2001年12月28日这3年期间的每个交易日的每日相对价格进行了统计，这3年对应于日本股票市场的{ \it互联网泡沫}形成和{ \it崩溃}的时期。我们发现，互补累积分布函数的上尾的相对价格在价格的高值的合奏是很好地描述了幂律分布，$ P(S>x) \sim x^{-α} $，随着时间的推移移动的指数。此外，我们发现，当幂律指数$ α$接近{ \it 2}时，泡沫破裂。可以合理地假设，当幂律指数接近{ \it 2}时，表明泡沫即将破裂。PACS：89.65.Gh;关键词：市场崩溃，幂律，前兆
2006-03-17 physics.data-an physics.soc-ph q-fin.ST
Predicting critical crashes? A new restriction for the free variables
几位作者已经注意到在大的股票市场崩溃之前对数周期振荡的特征[cond-mat/9509033，cond-mat/9510036，Vandewalle等人1998]。不幸的是，在平静时期，也可以观察到相应的方程与股市价格的良好拟合。为了改进该方法，已经提出了几种方法：1）对数发散：考虑临界指数β收敛到0的极限。2)普适性：通过观察历史崩溃的最佳拟合，定义自由参数的典型范围。我们提出了一个新的方法。由cond-mat/9510036中的风险率必须为正数的观察，我们得到股票市场价格方程的自由变量之间的不等式。通过对88年的道琼斯数据进行最佳拟合，我们发现，在满足我们不等式的情况中，有25%发生在崩盘前不到一年的时间。我们将其与其他碰撞预测方法进行比较，即Johansen等人的普适性方法，只有9%的情况下会发生撞车结合这两种方法，我们得到了一种方法，其预测是由崩溃在54%的情况下。
2002-04-13 cond-mat.stat-mech q-fin.ST
Stock Market Market Crash of 2008: an empirical study of the deviation of share prices from company fundamentals
本研究的目的是定量研究在2008年股票市场崩盘中，股票价格是否偏离了公司基本面。为此，我们使用了一个大型数据库，其中包含2004年至2013年期间全球7，796家公司的资产负债表和股价。我们建立了一个面板回归模型，使用三个财务指标-每股股息，每股现金流量，每股账面价值-作为解释变量的股票价格。然后，我们通过从双向固定效应模型中去除时间固定效应来估计各个公司每年的基本面，我们认为双向固定效应模型是最好的面板回归模型。我们的模型的一个优点是，我们能够提取公司基本面的不可观察的因素，通过使用个人的固定效应。在此基础上，我们用股价偏离公司基本面的比率--背离率来定量分析市场异常。我们发现，2005 - 2007年的平均股价被高估，而在全球金融危机发生的2008年，股价被显著低估。在随后的时期，股票价格与基本面平均水平相当。我们的实证结果清楚地表明，在2008年全球金融危机之前和之后的时间段内，世界股票市场波动过大。
2016-07-12 q-fin.GN q-fin.PR q-fin.RM
Dynamic structural and topological phase transitions on the Warsaw Stock Exchange: A phenomenological approach
本文使用最小生成树网络分析华沙证券交易所崩盘前后的网络演化，揭示其从幂律层级结构到超级枢纽结构、再到多枢纽幂律结构的拓扑相变。
2013-01-28 physics.soc-ph q-fin.ST
Modeling and analysis of the effect of COVID-19 on the stock price: V and L-shape recovery
新型冠状病毒疫情的出现是一个全新的风险因素，由于投资者迅速同步抛售，导致股价暴跌。然而，在短时间内，优质行业开始从底部复苏。基于机构投资者的净资金流（$Ψ_t$）和公司的金融反脆弱性（$ϕ$），建立了危机期间的股票价格模型。我们假设在崩溃期间，股票价格的下跌与$ϕ$无关。本文利用由合成和真实资金流数据得到的$Ψ_t$，研究了危机期间冲击长度和$ϕ$对股票价格的影响。我们观察到，恢复的可能性与$ϕ>0$股票，被称为优质股票，减少增加冲击长度超过一个特定的时期。具有较高$ϕ$的优质股票表现出V形恢复，并且优于其他股票。优质股票的冲击长度和恢复期几乎相等，这在印度市场上是可以看到的。财务压力大的股票，即，含$ϕ<0$的种群在大流行期间呈现L形恢复。股票数据和模型分析表明，投资者在COVID-19等不确定性下，投资于优质股票以重组其投资组合以降低风险。该研究有助于投资者在危机中做出正确的投资决策。
2020-11-10 nlin.CD q-fin.ST
Predicting Stock Market Crash with Bayesian Generalised Pareto Regression
本文提出贝叶斯广义帕累托回归模型，结合波动率协变量预测印度Nifty 50指数崩盘风险，实证表明Cauchy先验最优且全球波动率显著提升预测能力。
2025-06-21 q-fin.ST stat.AP stat.ML
Mining the Relationship Between COVID-19 Sentiment and Market Performance
本文利用 Twitter 文本情感分析提取 COVID-19 相关情绪，发现其与疫情初期股市表现具有强关联，并可作为未来市场预测指标。
2023-03-14 econ.GN q-fin.EC q-fin.ST
New general dependence measures: construction, estimation and application to high-frequency stock returns
提出新型非线性、局部、变换不变的依赖度量，证明其非参数估计的一致性，并在高频股票数据中揭示尾部不对称与风险积累，优于传统相关性。
2023-08-31 econ.EM q-fin.PM q-fin.RM
Universal Behavior of Extreme Price Movements in Stock Markets
许多研究假设股票价格遵循一个称为几何布朗运动的随机过程。虽然这个模型大致正确，但它无法解释极端价格波动的频繁发生，如股票市场崩盘。使用从三个不同的股票市场收集的大量数据，我们提出的证据表明，随机模型的修改-添加一个缓慢的，但显着的，波动的标准差的过程-准确地解释了不同大小的价格变化的概率，包括极端运动的相对较高的频率。此外，我们表明，这一过程是类似的股票，使其价格波动的特点是由一个单一的曲线。由于价格波动的行为是植根于波动的特点，我们希望我们的结果带来更多的兴趣，随机波动率模型，特别是那些可以产生的波动率的属性在这里报告。
2009-12-30 q-fin.ST
Contagion among Central and Eastern European stock markets during the financial crisis
本文是对国际股票市场同步性和传染性的文献贡献。我们的方法的新颖之处在于应用小波工具的高频金融市场数据，这使我们能够了解股票市场之间的关系，在时间-频率域。经济时间序列分析的主要部分是在时域或频域分别进行的，而小波分析结合了这两种基本方法。小波技术揭示了中欧和东欧（CEE）股票市场和德国DAX指数在不同的投资期限之间的相关性有趣的动态。结果表明，中东欧市场与该地区主要市场的连接在较高频率下比在较低频率下明显降低。与以往的文献相反，我们的文件显着降低传染性的中东欧市场和德国DAX后，大2008年股票市场崩溃。
2013-09-30 q-fin.GN q-fin.ST
Modeling bid and ask price dynamics with an extended Hawkes process and its empirical applications for high-frequency stock market data
本研究提出了一个通用的动态模型的最佳出价和卖价使用扩展霍克斯过程。该模型包含了最小买卖价差时价差缩小过程的零强度、价差相关强度、可能的负激励和非负强度。我们将该模型应用于美国股票市场的高频最佳出价和卖价数据。实证研究结果表明，价差缩小的趋势，激发的强度所造成的先前事件，闪电崩盘的影响，快速交易的特点趋势，随着时间的推移，在不同的交易所的市场参与者的不同功能。
2022-01-25 econ.EM q-fin.ST q-fin.TR
Cross-correlation asymmetries and causal relationships between stock and market risk
我们研究了美国股票市场中个股风险（每日股票收益的波动性）和市场风险（市场代表性投资组合每日收益的波动性）之间的历史相关性和领先滞后关系。我们考虑所有股票的平均互相关函数，使用1994- 2013年标准普尔500指数中的71只股票价格。我们关注的行为的交叉相关性在金融危机的时候，市场波动性的显着跳跃。观察到的历史动态表明，在2002年美国股票市场低迷期间和2007年美国房地产泡沫之后，风险之间的相关性几乎是线性的，直到2013年一直保持在这一水平。此外，平均互相关函数往往有一个不对称的形状相对于零滞后在高相关性的时期。我们开发的线性响应形式主义的应用程序来研究潜在的因果关系的分析。计算出的响应函数表明，存在的特征制度附近的金融崩溃，当一个单独的股票的波动性如下的市场波动性，反之亦然。
2014-07-25 q-fin.ST
Dual State-Space Model of Market Liquidity: The Chinese Experience 2009-2010
本文提出并建立了一个基于二元状态空间线性回归的中国股票市场动态模型，该模型通过傅立叶变换连接到量价桶之间相关性的原始状态空间。我们将我们的模型应用于2009-2010年中国券商执行订单的价格迁移。监管经纪磁带被用来进行一个自然的实验，假设磁带对应于随机分配的，知情和不知情的交易员。我们的分析表明，客户订单与中国市场情绪指数密切相关-在神经网络的高度非线性意义上-与股票收益率显著相关，与中国银行的领头羊债券没有相关性。我们没有注意到2010年5月美国闪电崩盘导致的流动性不足的任何峰值，并没有影响到中国的交易。
2020-05-13 q-fin.ST q-fin.TR
Data-Driven Option Pricing using Single and Multi-Asset Supervised Learning
我们提出了三种不同的数据驱动的方法来定价欧式看涨期权使用监督机器学习算法。这些方法产生的模型给出了一系列的公平价格，而不是单一的价格点。两个股票市场指数：NIFTY $50$和BANKNIFTY从印度股市的模型的性能进行测试。虽然没有使用历史波动率或隐含波动率作为输入，但结果表明，训练后的模型能够更好地捕捉期权定价机制，或类似于Black-Scholes公式的所有实验。我们选择的无标度I/O允许我们使用来自金融市场的多个不同资产的组合数据来训练模型。这不仅使模型能够实现更好的泛化和预测能力，而且还解决了数据缺乏的问题，这是使用机器学习技术的主要限制。我们还说明了训练模型在2020年股票市场崩盘之前（2019年1月至2020年4月）的表现。
2020-12-05 q-fin.CP q-fin.PR q-fin.ST
