Asymmetric Conditional Volatility in International Stock Markets
最近的研究表明,股票价格的负面冲击将比类似幅度的正面冲击产生更大的波动。本文的目的是对股票收益率的条件均值和条件方差是过去信息的非对称函数的假设进行评价。我们比较了葡萄牙股票市场指数PSI 20与其他六个股票市场指数的结果,即标准普尔500指数,富时100指数,DAX 30指数,CAC 40指数,ASE 20指数和IBEX 35指数。为了评估非对称波动性,我们使用自回归条件异方差规格称为Tcb和EGb。在VAR框架内,我们还使用TAR和M-TAR规范控制了宏观经济因素对股票市场收益率的影响后,检验了非对称性。我们的研究结果表明,条件方差是一个不对称的功能,过去的创新提高比例更多的市场下跌,一种现象称为杠杆效应。然而,当我们控制了宏观经济变量的变化的影响,我们没有发现显着的证据,股票市场收益的非对称行为。有迹象表明,葡萄牙股市的市场效率往往低于其他市场,因为冲击的影响似乎需要更长的时间才能消散。
2006-12-04 physics.soc-ph q-fin.ST
An empirical behavioral model of liquidity and volatility
本文以伦敦证券交易所的交易订单流为例,建立了一个流动性和波动性的行为模型。这可以被看作是一个非常简单的基于代理的模型,其中模型的所有组件都是针对真实数据进行验证的。我们对订单流的实证研究揭示了交易订单的下达和取消方式中的几个有趣的问题。由此产生的简单模型的订单流被用来模拟下的连续双向拍卖的价格形成,并将由此产生的模拟序列的价格的统计特性与真实数据进行比较。该模型是使用一个股票(AZN)和24个其他股票进行测试。对于低波动性、小最小价格变动单位的股票(称为第一类),预测是非常好的,但对于第一类以外的股票,预测就不好了。对于第一组,该模型预测的波动率和买卖价差的分布的正确幅度和函数形式,而不调整任何参数的价格。这表明,至少对于第一类股票,价格的波动性和重尾与市场微观结构效应有关,并支持以下假设:至少在短时间尺度上,绝对收益的大幅波动可以很好地用指数随股票而变化的幂律来描述。
2007-09-03 physics.soc-ph q-fin.ST
Emergence of long memory in stock volatility from a modified Mike-Farmer model
基于订单驱动市场中的连续双向拍卖机制构建了Mike-Farmer(MF)模型,该模型能够在交易水平上成功地再现收益率立方定律和股票价格的扩散行为。然而,MF模型中的波动性(定义为绝对收益)并没有表现出良好的长记忆。我们提出了一个修正版本的MF模型,包括一个新的成分,即长记忆的侵略性(量化的相对价格)的传入订单,这是一个重要的程式化的事实,通过分析23个流动性中国股票的订单流。修正的MF模型合成的波动率具有长记忆性,DFA标度指数接近0.76,收益率的立方律和价格的扩散行为也同时产生。我们还发现指令符号的长记忆性对波动率的长记忆性没有影响,指令攻击性的记忆效应对股价的扩散性影响很小。
2009-05-13 physics.soc-ph q-fin.ST
Stock market volatility: An approach based on Tsallis entropy
金融学研究中的一个主要问题一直引起学者和从业者的兴趣,并且还没有发现统一的理论,这就是价格随时间变化的原因。由于在文献中有几个著名的传统技术来衡量股票市场波动性,在这场辩论中,构成本文的实际范围的一个中心点是比较这种常见的方法,我们讨论了这种流行的技术,如标准差和创新的方法,基于经济物理学。在我们的研究中,我们使用Tsallis熵的概念来捕捉波动的本质。更确切地说,我们想知道的是,Tsallis熵是否能够检测股票市场指数的波动性,并将其值与标准差所得值进行比较。此外,我们将提到,这种新方法的优点之一是它能够捕捉非线性动力学。出于我们的目的,我们将主要关注股票市场指数的行为,并考虑CAC 40、MIB 30、NIKKEI 225、PSI 20、IBEX 35、FTSE 100和SP 500,以比较分析上述方法。
2008-09-26 physics.soc-ph q-fin.ST
Long Memory and Volatility Clustering: is the empirical evidence consistent across stock markets?
长记忆和波动率聚集是与金融市场经常相关的两个典型事实。传统上,这些现象已被研究的基础上有条件的异方差模型,如ESTA,GSTA,IGSTA和FIGSTA,除其他外。这些模型的一个优点是它们能够捕获非线性动力学。研究波动现象的另一个有趣的方式是使用基于熵概念的度量。本文研究了标准普尔500指数、纳斯达克100指数和斯托克50指数的长记忆性和波动率聚集性,以比较美国和欧洲市场。此外,我们比较了条件异方差模型与熵测度的结果。在后者中,我们考察了Shannon熵,Renyi熵和Tsallis熵。结果证实了之前所考虑的时间序列中非线性动力学的证据。
2008-03-14 physics.soc-ph q-fin.ST
Scaling and Memory Effect in Volatility Return Interval of the Chinese Stock Market
本文研究了中国股票市场波动收益区间$τ$的概率分布。我们将概率分布$P_{q}(τ)$和波动率收益区间$τ$重新标度为$P_{q}(τ)=1/\barτ f(τ/\barτ)$,以获得不同阈值$q$的统一标度曲线。伸缩指数函数$f(x) \sim e^{-αx^γ}$能很好地拟合标度曲线,说明$τ$中存在记忆.为了证明记忆效应,我们调查的条件概率分布$P_{q} (τ|τ_{0})$,平均条件间隔$<τ|τ_{0}>$和累积概率分布的集群大小的$τ$。结果表明,聚类效果明显。我们进一步研究了持久性概率分布$P_{\pm}(t)$,发现$P_{-}(t)$以幂律衰减,其指数远不同于随机游走的0.5,进一步证实了$τ$中存在长记忆.中国股票市场的$τ$的标度效应和长记忆效应与美国和日本的相似。
2008-05-15 physics.soc-ph q-fin.ST
Comparison of volatility distributions in the periods of booms and stagnations: an empirical study on stock price indices
本文的目的是比较股票价格指数在繁荣时期和停滞时期的统计特性。我们使用全球主要股票市场的四个股票价格指数的每日数据:(一)日经225指数(ii)1946年1月2日至2004年8月18日的道琼斯工业平均指数(DJIA),(iii)标准普尔500指数(SP 500)(1982年11月22日至2004年8月18日),及(iii)金融时报证券交易所100指数(FT 100)(1984年4月2日至2004年8月18日)。我们将这些指数的时间序列分为两个时期:繁荣期和停滞期,并研究每个时期的绝对对数收益率的统计特性,这是一个典型的衡量波动性的指标。我们发现:(1)绝对对数收益率分布的尾部在繁荣期近似于指数接近3的幂律函数,而在停滞期近似于指数函数,其标度参数接近1。
2005-06-13 physics.soc-ph q-fin.ST
Non-extensive Behavior of a Stock Market Index at Microscopic Time Scales
本文提出了一个实证调查的巴西股票市场价格波动,考虑q-高斯分布,从一个非广泛的统计力学。我们的研究结果表明,当收益率测量的时间间隔小于一个小时,经验分布很好地拟合的q-高斯指数阻尼尾部。标度行为也观察到这些微观的时间间隔。我们发现,分布的时间演化是根据一个超扩散的q-高斯平稳过程的非线性福克-普朗克方程。这一制度打破了由于指数下降的尾巴,这反过来又控制着长期宏观高斯制度的瞬态动力学。我们的结果表明,该模型为描述股市盘中价格波动的动态提供了一个框架。
2006-07-18 cond-mat.stat-mech physics.soc-ph q-fin.ST
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
Volatility of an Indian stock market : A random matrix approach
我们研究了印度股票市场的波动性方面,如参与,股票同步和量化的波动性,使用随机矩阵方法。市场的波动模式,发现使用BSE指数的三年期2000-2002。利用2001年70只股票85天多个时间窗口的日收益率进行随机矩阵分析,(1)对不同波动率时间区间内价格波动相关性矩阵C的特征值和特征向量进行统计,并进行简要的比较分析。虽然大部分特征值在所有时间段内都落在RMT范围内,但我们看到,(偏离)特征值与指数的波动性很好地相关,相应的特征向量清楚地表明,其组成部分的分布从波动期向波动较小的时期发生了变化,并证实了参与与波动之间的定性联系(ii)我们观察到,“最后一个”特征向量的参与率反比对市场波动很敏感(观察到这两个量显著反相关)(iii)建立可变性指数,V的时间演变被发现与整体市场指数的波动性显着相关。
2005-12-19 cond-mat.stat-mech physics.soc-ph q-fin.ST
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
Stock price jumps: news and volume play a minor role
为了了解股票价格跳跃的起源,我们将股票收益率的高频时间序列与不同的新闻源进行交叉相关。我们发现,无论是特质性消息还是市场广泛的消息都不能解释价格跳跃的频率和幅度。我们发现,围绕跳跃和围绕消息的波动模式是完全不同的:跳跃之后是波动性增加,而消息往往是平均跟随较低的波动性水平。波动率松弛的形状在两种情况下也明显不同。最后,我们提供了直接的证据表明,大的交易量是_不_负责大的价格跳跃。我们推测,大多数价格跳跃是由接近流动性消失点的订单流波动引起的。
2008-03-12 physics.data-an physics.soc-ph q-fin.ST
Correlation matrix decomposition of WIG20 intraday fluctuations
使用相关矩阵的形式主义,我们研究的时间方面的华沙股票市场的演变为代表的WIG20指数。使用2001年1月至2005年10月期间的高频(1分钟)WIG 20记录。这里考虑的相关矩阵的条目连接了股票市场动态的不同时期,如几天或几周。这种方法允许将价格波动分解为量化潜在动态的不同模式的正交特征信号。相应本征值的大小反映了这些模式的强度。本文的一个观察结果是,从2001年到2005年,WIG20动力学的日趋势强度系统地下降。另一个是,在回报波动的大事件主要与一些最集体的本征信号。
2006-11-29 cond-mat.stat-mech physics.data-an physics.soc-ph
Statistical properties of volatility return intervals of Chinese stocks
本文研究了30只中国股票连续1 min波动率超过一定阈值$q$的收益区间$τ_q$的统计特性。Kolmogorov-Smirnov(KS)检验表明,在不同的阈值$q$下,12只股票在$τ_q$分布中表现出标度行为。此外,KS检验和加权KS检验表明,12只股票中有6只股票的标度收益区间分布可以很好地用拉伸指数函数$f(τ/\barτ)\sim e^{- α(τ/\barτ)^γ}$拟合,其中$γ\approx0.31$在5%的显著性水平下,其中$\barτ$是平均收益区间。对条件概率分布$P_q(τ| τ_0)$和平均条件返回间隔$<τ| τ_0>$的研究表明,连续返回间隔之间存在短期相关性。进一步研究了$n$区间簇后的平均收益区间$<τ| τ_0>$和波动率$F(l)$的去趋势波动分析,发现波动收益区间也存在长期记忆。
2008-07-11 physics.data-an physics.soc-ph q-fin.ST
Detrended fluctuation analysis of intertrade durations
基于2003年在深圳证券交易所上市的23只流通股的限价订单簿数据和订单流,研究了交易间持续时间的日内模式、长记忆性和多重分形性质。观察到在下午交易的第一分钟,在交易持续时间内出现了一个反向的$U$形状的盘中模式。基于去趋势波动分析,我们发现了一个交叉的幂律标度行为的小盒子大小(贸易数字在盒子)和大盒子大小和强有力的证据,有利于长记忆在这两个制度。此外,在这两个制度的多重分形性质的交易间持续时间证实了个股的多重分形去趋势波动分析与少数例外的小持续时间制度。日内形态对长记忆和多重分形影响不大。
2008-06-15 physics.soc-ph q-fin.TR