不管有效随机交易的影响如何，符号自相关性主要可归因于订单拆分，就像交易时间序列上的符号自相关性一样。然而，符号交叉关系可能有多种原因。一个是令人讨厌的行为。一些交易者在决定购买或出售特定股票时会跟随其他交易者，但他们也会交易与相同或相反交易方向相关的其他股票。这是一个交叉点——各股票的交易符号之间的相关性。另一个可能的原因可能是订单拆分，如第节所述。当然，投资组合的选择方式可能是有原因的，但我们无法通过研究中的经验证据来支持这一点。表四提供了刚刚进行的比较结果。六、 结论我们将股票价格反应的研究扩展到单个股票的交易，即自我反应，扩展到整个相关市场。我们实证研究了不同股票交易的价格反应，即交叉反应，随着时间的推移，交叉反应函数增加，然后反向。因此，交易对价格的影响似乎是暂时的。从图像上讲，市场需要时间来应对潜在知情交易者造成的效率扭曲。在这个扭曲的时期，一些可能被解读为套利者的交易人将价格推回到原来的水平，从而帮助恢复市场效率。交叉反应显然与交叉关系有关。这些互相关器以幂律的方式衰减，揭示了一个指数大于股票对指数的短记忆过程。在我们的分析中，我们倾向于使用物理时间而不是交易时间，因为不同股票的交易永远不会同步。

我们讨论了由于时间尺度的选择而产生的差异。我们仔细研究了我们的商业标志分类的准确性。在很大程度上，我们还分析了包括或排除零贸易标志的影响。我们还通过建立amatrix（市场响应）来观察整个市场，它收集所有响应函数的规范化信息。总体特征表四。自我和交叉反应的比较自我反应自我反应交叉反应基于交易时间尺度基于物理时间尺度基于物理时间尺度ε（t）t-thtrade的交易符号基于时间t的聚合交易符号基于时间t的聚合交易符号基于时间tRii（1）或Rij（1）的瞬时影响基于一秒的影响影响影响的原因非信息交易统一交易和知情交易信息交易和知情交易影响通过消耗订单簿中的数量来改变交易价格直接通过消耗订单簿中的数量来改变价格，间接通过间接影响来改变交易价格限制订单的放置或取消，甚至是市场订单的执行SignCorrelations的属性sign self的长记忆–Correlations sign self的短记忆–Correlations sign Cross Correlations的短记忆–Correlations sign Correlations原因main:订单拆分main:订单拆分可能：订单拆分，羊群行为，portfoliosistic特征在时间上具有显著稳定性的模式中可见。

市场响应提供定量信息，说明一只股票的交易如何影响其他股票的价格，以及其自身价格如何受到其他股票交易的影响。最后，我们比较了自我反应和交叉反应。交易和物理时间尺度上的自我反应表现出截然不同的特征。我们发现，实物规模上的自我反应来源于制服交易和知情交易，而之前的研究已经表明，交易规模上的自我反应只来源于未知情交易。此外，在物理时间尺度上，自我和认知反应的差异是惊人的，尤其是在考虑不同类型的影响时。致谢我们感谢D.切塔洛娃、T.A.施密特、Y.斯捷潘诺夫和D.瓦格纳r进行了富有成效的讨论。我们非常感谢这份报纸早期版本的主审人提出了一些有益的意见。我们中的一位（西南）感谢中国奖学金委员会（grantno.201306890014）的财政支持。作者贡献声明。G.提出了这项研究。R.S.和S.W.开发了分析方法，S.W.进行了研究。所有作者都对分析结果做出了同样的贡献，论文由S.W.和T.G.撰写。附录A：用于分析市场反应的股票我们评估了来自十个经济部门的99只股票的市场反应：工业（I）、医疗（HC）、非必需消费品（CD）、信息技术（IT）、公用事业（U）、金融（F）、材料（M）、能源（E），表V中所列的主要消费品（CS）和电信服务（TS）。表V中的cronym AMC代表平均市值。附录B：误差估计假设我们在τM，M=1。

，M.我们希望通过设置其参数，用函数f（τ）来描述数据。为了评估fit的质量，标准化dχ[35]χ=M- MPMXm=1f（τm）- y（τm）, （B1）表五：十大经济领域99支股票的信息工业（I）金融（F）符号公司AMC符号公司AMCFLR Fluor Corp.（新）14414.4 CME CME Group Inc.49222.9LMT洛克希德马丁公司12857.8 GS高盛集团21524.3FLS福斯公司12670.2 ICE洲际交易所有限公司14615.3PCP精密铸件12447.0 AVB阿瓦隆湾社区11081.6LLL-3通讯控股12170.8本富兰克林资源10966.2 UNP太平洋联盟11920.9 BXP波士顿地产10893.0BNI伯灵顿北方圣菲c 11837.5 SPG西蒙地产集团公司10862.4FDX联邦快递公司10574.7 VNO沃纳多房地产信托10802.3GWW格兰杰（W.W.）公司10416.8 PSA公共存储10147.9GD通用动力10035.6 MTB M&T银行公司9920.2医疗保健（HC）材料（M） Symbol C公司AMC Symbol公司AMCISRG直观外科公司31355.9 X美国钢铁公司15937.7BCR Bard（C.R.）公司11362.7 MON孟山都公司14662.6BDX Becton Dickinson 10298.4 CF工业控股公司14075.5Genzyme公司9728.8 FCX Freeport McMoran Cp&Gld 11735.7JNJ强生9682.6 APD空气产品与化学品美国实验室公司控股10246.4LH9035.7 PX Praxair Inc.10234.5ESRX Express Scripts 8864.6 VMC Vulcan Materials 8700.4CELG Celgene Corp.8783.1 ROH Rohm&Haas 8527.1ZMH Zimmer Holdings 8681.7 NUE Nucor Corp.7997.4AMGN Amgen 8543.0 PPG PPG Industries 7336.7消费者自由裁量（CD）能源（E）符号公司AMC符号公司AMCWPO华盛顿邮报61856.1 RIG Transocean Inc.（新）16409.5AZO AutoZone Inc.14463.7 APA Apache公司13981.9SHLD西尔斯控股公司11759.2 EOG EOG资源13095.0永利永利度假村有限公司11507.9德文郡能源公司。

12499.7 AMZN亚马逊公司10939.2 HES赫斯公司11990.4WHR惠而浦公司9501.9 XOM埃克森美孚公司11460.3VFC V.F.公司9051.2 SLB斯伦贝谢有限公司11241.1APOL阿波罗集团8495.8 CVX雪佛龙公司11100.0NKE耐克公司8149.5 COP康菲石油10215.3MCD麦当劳公司8025.6 OXY OXY Occidental Petroleum 9758.4信息技术（IT）消费品（CS）标志C ompany AMC符号公司AMCGOOG Google Inc.62971.6 BUD Anheuser Busch 9780.6MA Mastercard Inc.28287.8 PG宝洁9711.5AAPL Apple Inc.22104.1 CL高露洁棕榄9549.2IBM国际巴士。机器15424.9成本好市多9545.9MSFT微软公司10845.1 WMT沃尔玛商店9325.7CSCO思科系统8731.4 PEP百事可乐公司9180.7INTC英特尔公司8385.8 LO Lorillard公司8919.0QCOM高通公司7739.4 UST UST公司8433.1CRM Salesforce公司7691.9 GIS通用磨坊8243.3WFR MEMC电子材料7392.8 KMB金伯利克拉克8069.5Utilities（U）电信服务（TS）Symbol C公司AMC Symbol公司AMCETR Entergy Corp.12798.7 AT&T Inc.6336.2EXC Exelon Corp.9738.8 VZ Verizon Communications 5732.5CEG Constellation Energy Group 9061.5 EQ Embarq Corporation 5318.7FE Fir stEnergy Corp.8689.4 AMT American Tower Corp.5195.6FPL FPL Group 7742.8 CTL Century Tel 4333.8SRE Sempra Energy 6940.6 S Sprint Nextel Corp.2533.7STR uestar Corp.6520.4 Qwest通信Int 2201.3TEG Integrys Energy Group Inc.5978.4 WIN Windstream Corporation 2089.1EIX Edison Int\'l 5877.5 FTR Frontier Communications 1580.9AYE Allegheny Energy 5864.90.050.10.150.20.250.3i=AAPL，j=MSFTi=MSFT，j=AAPLi=XOM，j=CVXi=GS，j=JPMτ/s0。050.10.150.20.250.3i=AAPL，j=GSi=GS，j=AAPLi=GS，j=XOMi=XOM，j=AAPLFIG。10.2008年期间不同股票对的交叉响应噪声νij（τ）与在平均标度上测量的时滞τ。

来自同一经济部门的股票对（顶部），来自不同部门的股票对（底部）。被使用了。给，M- MPI指的是自由度。在我们的例子中，我们有M=100 0，MP=3，用于在股票对中设置贸易符号交叉相关器。附录C：交叉响应噪声如上所述，交叉响应函数和符号交叉相关器在死亡过程中强烈影响。在这里，我们通过引入交叉响应噪声νij（τ）作为估计量来解决这一点：我们确定发生交易的股票i和j的共同数T（c）ij。我们用一个连续整数来标记这些天，并将数据分为两组，分别是偶数和奇数。我们计算了相应的cro ss–响应函数R（k）ij（τ），其中k=1，2表示奇数天或偶数天的平均值。这两个函数中的每一个都应该非常接近全天平均的交叉响应函数Rij（τ）。因此，我们引入了一种交叉响应噪声，作为某种规格化的欧几里德距离νij（τ）=Rij（τ）|vuTxk=1R（k）ij（τ）- Rij（τ）（C1）对于时滞τ的每个值。在图10中，我们给出了2008年交叉响应噪声的经验结果。很明显，对于小于120秒的时间延迟，大多数股票对都不会受到大交叉响应噪声的影响。在此期间，噪音值低于0.06左右。随着时间延迟的增加，噪声变得非常强，表明uns表c ross–响应。对于倾向于1000秒的滞后s，噪声达到的最大值高于0.25。这就是为什么一些股票对在反转后呈现上升趋势的原因。随着符号互相关器在大时滞状态下减弱，其他因素占主导地位，导致大的交叉反应波动。

有限的统计数据使情况变得模糊，因为每个交易日只有22200秒的有效交易时间。这清楚地表明，当查看cr oss–响应时，考虑的滞后不能太大，以获得有意义的结果。[1] R.Cont，数量金融1（2），223（2001）[2]T.Chordia，R.Roll，A.Subrahmanyam，金融经济学杂志65（1），111（2002）[3]J.P.Bouchaud，M.Potters，金融风险理论和衍生产品定价：从统计物理到风险管理（剑桥大学出版社，2003）[4]J.P.Bouchaud J.D.Farmer，F.Lillo，市场如何缓慢地改变供求，在《金融市场手册：动态和演变》中，由英国《金融时报》编辑。亨斯，K.R.申克·霍普（北荷兰，爱思唯尔，2009），p.57[5]A.查克拉博蒂，I.M.托克，M.帕特里亚卡，F.阿伯格尔，定量金融11（7），991（2011）[6]B.T\'oth，Y.勒佩里埃，C.德雷布勒，J.德拉泰莱德，J.科克尔科伦，J.p.布乔德，菲斯。雷夫。X 1（2），021006（2011）[7]Z.Eisler，J.P.Bouchaud，J.Ko ckelkoren，量化金融12（9），1395（2012）[8]T.A.Schmitt，R.Sch¨afer，M.C.M¨unnix，T.Guhr，Europhys。莱特。100（3），38005（2012）[9]T.A.S chmitt，D.Chetalova，R.Sch¨afer，T.Guhr，arXiv预印本arXiv:1304.5130（2013）[10]J.Doyne Farmer，L.Gillemot，F.Lillo，S.Mike，A.Sen，数量金融学4（4），383（2004）[11]J.P.Bouchaud，Y.Gefen，M.Potters，M.Wyart，数量金融学4（2），176（2004）[12]F.Lillo，J.D.Farmer，非线性动力学与计量经济学研究[8]，S.迈克，J.D.法默，物理系。牧师。E 71（6），066122（2005）[14]B.T\'oth，I。佩利特，F.利洛，J.D.法默，《经济动力与控制杂志》51218（2015）[15]J.A.豪斯曼，A.W.洛，A.C.麦金莱，《金融经济学杂志》31（3），319（1992）[16]A.肯普夫，O.科恩，《金融市场杂志》2（1），29（1999）[17]A.杜福尔R.F。

Engle，《金融杂志》55（6），2467（2000）[18]V.Plerou，P.Gopikrishnan，X。Gabaix，H.E.Stanley，Phys。牧师。E 66（2），027104（2002）[19]B.Rosenow，《国际现代物理杂志》C13（03），419（2002）[20]J.P.Bouchaud，J.Kockelkoren，M.Potters，QuantitativeFinance 6（02），115（2006）[21]S.Mike，J.D.Farmer，《经济动力与控制杂志》32（1），200（2008）[22]E.F.Fama，《金融杂志》25（2），383（1970）[23]D.K.Gode，S.Sunder，《政治经济学杂志》101（1），119（1993）[24]F.Lillo，J.D.Farmer，R.N.Mantegna，《自然》杂志421（6919），129（2003）[25]X.Gabaix，P.Gopikrishnan，V.Plerou，H.E.Stanley，《自然》杂志423（6937），267（2003）[26]V.Plerou，P.Gopikrishnan，X.Gabaix，H.E.Stanleyet al.，数量金融学4（1），C11（2004）[27]M.Potters，J.P.Boud，Physica A:统计力学及其应用[324（1]，133（2003]，arXiv预印本arXiv:0804.3818（2008）[29]C.Lee，M.J.Ready，《金融杂志》46（2），733（1991）[30]R.W.Holthausen，R.W.Leftwich，D.Mayer，《金融经济学杂志》19（2），237（1987）[31]贸易物理学，http://www.tradingphysics.com[32]J.Beran，长记忆过程统计，第61卷（CRC出版社，1994）[33]S.M.Bartram，F.Fehle，D.G.Shrider，未来市场杂志28（5），417（2008）[34]H.Demsetz，《经济学季刊》82（1），33（1968）[35]P.R.Bevington，D.K.Robin son，物理科学的数据简化和错误分析（McGraw–Hill，纽约，2003）