全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1301 25
2022-05-04
英文标题:
《Statistical inference of co-movements of stocks during a financial
  crisis》
---
作者:
Takero Ibuki, Shunsuke Higano, Sei Suzuki, Jun-ichi Inoue and Anirban
  Chakraborti
---
最新提交年份:
2013
---
英文摘要:
  In order to figure out and to forecast the emergence phenomena of social systems, we propose several probabilistic models for the analysis of financial markets, especially around a crisis. We first attempt to visualize the collective behaviour of markets during a financial crisis through cross-correlations between typical Japanese daily stocks by making use of multi- dimensional scaling. We find that all the two-dimensional points (stocks) shrink into a single small region when a economic crisis takes place. By using the properties of cross-correlations in financial markets especially during a crisis, we next propose a theoretical framework to predict several time-series simultaneously. Our model system is basically described by a variant of the multi-layered Ising model with random fields as non-stationary time series. Hyper-parameters appearing in the probabilistic model are estimated by means of minimizing the \'cumulative error\' in the past market history. The justification and validity of our approaches are numerically examined for several empirical data sets.
---
中文摘要:
为了弄清和预测社会系统的出现现象,我们提出了几种分析金融市场的概率模型,尤其是在危机前后。我们首先试图通过利用多维标度,通过典型日本日股之间的相互关联,来可视化金融危机期间市场的集体行为。我们发现,当经济危机发生时,所有的二维点(股票)收缩成一个小区域。通过利用金融市场,尤其是在危机期间的相互关联特性,我们接下来提出了一个同时预测多个时间序列的理论框架。我们的模型系统基本上由多层伊辛模型的变体描述,随机场为非平稳时间序列。概率模型中出现的超参数是通过最小化过去市场历史中的“累积误差”来估计的。我们的方法的合理性和有效性通过几个经验数据集进行了数值检验。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Statistical Finance        统计金融
分类描述:Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-5-4 20:40:28
2013年7月28日至30日在日本札幌举行的“推断、计算和旋转眼镜”国际会议论文集金融危机期间股票共同运动的统计推断,N TT DOCOMO,INC.,日本神奈川市横须贺市Hikarino oka 3-6号,邮编239-8536——北海道县警察局,地址:日本中谷N2-W7号,札幌060-8520——斋玉医科大学基础科学系,地址:日本北海道大学,地址:北海道北谷N14-W9号,札幌060-0814,日本¨数学实验室¨ematiques APLIQUE aux Syst¨emes,巴黎中央大学,92290 Ch^atenay Malabry,FranceE mail:+takerou。伊布基。xt@nttdocomo.com,  higano@complex.ist.hokudai.ac.jp,lb jinoue@ist.hokudai.ac.jp, jinoue@cb4.so-网。氖。jp,§sei01@saitama-医学。ac.jp,《阿尼尔班》。chakraborti@ecp.frAbstract.为了弄清和预测社会系统的出现,我们提出了几种分析金融市场的概率模型,尤其是在危机前后。我们首次尝试利用多维标度,通过典型日本日股之间的交叉相关性,来可视化金融危机期间市场的集体行为。我们发现,当经济危机发生时,所有二维点(存量)都会缩小为一个小区域。通过利用金融市场(尤其是在危机期间)的互相关特性,我们接下来提出了一个理论框架来同时预测多个时间序列。我们的模型系统基本上由多层伊辛模型的变体描述,其中随机场为非平稳时间序列。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-4 20:40:32
概率模型中的超参数估计是通过最小化过去市场历史中的“累积误差”来实现的。我们的方法的正确性和有效性在数个经验数据集上进行了数值检验。1.引言定量金融的一个核心现代问题是确定市场的“效率”;粗略地说,股票在任何时间点低于或高于价值的几率是相等的。从统计学的角度来看,当市场价格是无偏估计时,即当价格可以大于或小于真实值时,只要偏差是完全随机的,市场就被认为是有效的。最近,随着大量高频金融数据集的存储和分析,人们发现了所谓的“程式化(经验)事实”[1,2,3,4],例如收益率的重尾、波动性聚类、收益/损失不对称等,尤其是在经济物理学的研究领域[5,6,7,8,9,10,11]。同时,一些实证事实提供了证据,表明金融市场存在一些“季节性效应”(所谓的“市场异常”)。事实上,众所周知,在年底买进股票并在明年初卖出有时风险较小(所谓的一月效应[12])。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-4 20:40:38
因此,人们普遍认为金融市场是“弱”有效的,或者有时在一定程度上和一定时间尺度上是无效的。事实上,有几个证据表明,在金融危机中,市场效率低下。在金融危机中,交易者更可能根据“情绪”(氛围)失眠症(金融市场)行事,他们倾向于在某种意义上采取相当“非理性”的策略。因此,这种集体行为可能会导致一些市场异常。在行为经济学文献[13]中,所谓的信息级联(或羊群效应)的概念是人类(交易者)集体行为的结果。理解这种金融级联效应的一个关键衡量标准是社会中各要素之间的“相关性”。因为在立场上,股票、交易者之间的相互关联对于理解人类的集体现象非常重要。从宏观股票价格水平到微观交易者水平,这种相关性可以在不同的尺度上发现,从几个股票的价格到交易者的决策方式(策略),这种级联也可以在不同的尺度上“分层”观察到。实际上,我们有时会遇到从多维信息通道观察到的相关时间序列中发现异常结构的问题。自然科学和社会科学都广泛提供了从多通道测量中获得的时间序列。因此,广泛地进行实证数据分析,以解决我们周围的各种现代和严重问题,对我们来说是非常重要的。2011年3月11日地震发生后,日本日经股市迅速对cr isis做出反应,相当多的交易员出售了其分支机构或工厂位于灾区的公司的股票。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-4 20:40:43
结果,危机过后,日经平均指数突然下降[14]。然而,我们不可能提及2011/122011/092011/062011/032011/01qk2011/122011/092011/062011/032011/01qkFigure 1股票的共同运动。食品行业(左)和建筑行业(右)的几只主要股票的价格是时间的函数(这些是每日数据集)。每行标题中显示的每个数字都表示每个公司的ID:(即2501:札幌啤酒厂,2502:朝日啤酒厂,2503:麒麟控股,2531:高原控股,2533:欧农控股,2801:Kikkoman公司,1801:太成公司,1802:Obayashi公司,1803:S himizu公司,1812:鹿岛公司)。这些ID可以在网站[23]上查看(COLORONLINE)(包括他们自己在内的大多数人)或危机期间的反相关。在图1中,我们绘制了食品企业(左)和建筑企业(右)中几个主要股票的价格随时间的变化曲线(这些是每日数据集)。从该图中,我们发现,同一类型企业的股票价格表现为相关时间序列,而对于不同类型的企业,例如食品行业和建筑业,它们有明显的相关性,尤其是在危机期间。因此,对我们来说,尝试提供更多关于市场的“微观”有用信息可能是非常重要的,这些信息永远不会从平均宏观量(如股票平均数)中获得。作为这种“微观信息”的候选者,我们可以使用基于股票之间两体相互作用的(线性)相关系数[14、15、16、17、18、19、20、21]。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-4 20:40:46
为了弄清楚金融危机的机制,我们不妨将股票中的这种相关性可视化,并比较危机前后相关性的动态行为。在本文中,为了显示和解释分层信息级联,我们在二维可视化每个股票的相关性。我们从K(K)的给定集合中指定K个股票的每个位置- 1) /2利用所谓的多维标度(MDS)计算距离[22]。我们还提出了一个理论框架,利用金融市场中的交叉相关性同时预测多个时间序列。这一假设的正确性在数值上取决于日本的经验股票数据,例如2011年3月11日左右的数据,以及2010年春天全球经济危机前后的外汇汇率。本文的组织结构如下。在第2节中,我们将解释我们的分析工具,即相关性系数和多维标度。第三节介绍了我们的股票价格预测模型。在第4节中,我们检验了我们的经验数据集模型。最后一节给出了几点评论。2.线性相关系数和多维标度我们利用线性相关系数来衡量股票之间的相关性强度[15,16,17,18,19,20]。相关系数(皮尔逊估计)的计算如下。让我们定义p(i)t(≥ 0)作为时间t时股票i的价格。然后,我们根据对数度量来评估价格p(i)tin的回报率,如下所示:ri(t)≡ 对数p(i)t- 对数p(i)t-1.(1)对于上述对数重标收益率,我们计算宽度为M的时间窗口(间隔)上的移动平均数ri(t)≡MtXl=t-M+1ri(l)(2)表示股票i,我们还通过以下定义评估股票i,j之间的两体相关性ri(t)rj(t)≡MtXl=t-M+1ri(l)rj(l)。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群