全部版块 我的主页
论坛 经济学人 二区 外文文献专区
976 10
2022-06-14
英文标题:
《Q-Gaussian diffusion in stock markets》
---
作者:
Alonso-Marroquin Fernando, Arias-Calluari Karina, Harre Michael,
  Najafi Morteza N. and Herrmann Hans J
---
最新提交年份:
2019
---
英文摘要:
  We analyze the Standard & Poor\'s 500 stock market index from the last 22 years. The probability density function of price returns exhibits two well-distinguished regimes with self-similar structure: the first one displays strong super-diffusion together with short-time correlations, and the second one corresponds to weak super-diffusion with weak time correlations. Both regimes are well-described by q-Gaussian distributions. The porous media equation is used to derive the governing equation for these regimes, and the Black-Scholes diffusion coefficient is explicitly obtained from the governing equation.
---
中文摘要:
我们分析了过去22年来标准普尔500指数。价格收益率的概率密度函数表现出两个具有自相似结构的显著区域:第一个区域表现出强超扩散和短时相关性,第二个区域对应于弱超扩散和弱时间相关性。这两个区域都用q-高斯分布很好地描述。多孔介质方程用于推导这些区域的控制方程,Black-Scholes扩散系数由控制方程显式获得。
---
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
2022-6-14 05:31:13
股票市场中的Q-高斯分布Fernando Alonso Marroquin、Karina Arias Calluari、Michael Harr\'e、Morteza。N、 Naja fi和Hans J.HerrmannSchool,澳大利亚悉尼大学土木工程学院*法国巴黎圣伯纳德7号Quai St.Bernard大学物理系Ardabili、Ardabil、IranPMMH、ESPCI分析了过去22年来标准普尔500指数。价格回报的概率密度函数表现出两个具有自相似结构的显著区域:第一个区域表现出强超差和短时间相关性,第二个区域对应于弱超差和弱时间相关性。这两种状态都可以用q-高斯分布很好地描述。多孔介质方程用于推导这些区域的控制方程,Black-Scholes扩散系数从控制方程中显式获得。股票市场的价格波动表现出显著的特征,如强短期相关性、弱长期相关性、幂律尾部和缓慢收敛到正态分布[1]。在最早的股票市场模型中,Bachelier提出了古典布朗运动来表示价格波动。该模型是建立完善的股票市场BlackScholes方程的基石。Mandelbrot认为,经典的差异不适合用于建立真实股票市场的模型[2]。他的结论是基于对棉花指数价格变化的分析得出的,该指数的概率密度函数(pdf)可以用L'evy分布更好地描述。后来,Mantegna和Stanley提出,应对这种列维分布进行调整,以实现与缓慢收敛到正态的一致性,并确保价格变化的标准差保持不变[3]。
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

2022-6-14 05:31:16
最近的发展表明,q-高斯分布(相关函数的高斯分布的扩展)更适合解释纳斯达克股票市场指数[4]和纽约证券交易所指数[5]中价格增量的相关性。时间相关性导致异常扩散,这是一种普遍存在于强相关性经典系统中的现象,如筒仓排放[6]和剪切颗粒流[7]。在这封信中,我们分析了1996年1月至2018年5月22年期间标准普尔500指数(S&P500)的股市数据,间隔时间为1分钟。t时的股市指数用I(t)表示。从t到t的时间间隔内的价格回报由x(t,t)=I(t+t)确定-I(t)。(1) 股票市场指数随时间随机波动。经济学家的主要兴趣是预测未来任何时间t+t的价格回报率。这里我们采用概率论方法:我们假设价格回报率x是一个概率密度函数(pdf)PX(x,t)的随机变量。然后,我们建立了该分布的控制方程。标准的差异化过程过于简单,因为价格波动与分钟数的时间密切相关,而与更长时间的时间弱相关[8]。这种分布函数的一个候选是q-高斯分布。q-高斯分布是高斯分布的推广,定义为[9]:gq(x,β)=√βCqeq(-βx),(2),其中等式(x)=[1+(1-q) x]1-q是q指数函数。当q>1时,q-高斯具有gq给出的渐近重尾幂律~ 1/x2/(q)-1). “q-高斯”是q-高斯分布的特例,定义为gq(x)=gq(x,β=1))。指数函数和高斯函数可以通过取limitq来恢复→ 对于1<q<3,归一化常数cqis由以下公式给出:Cq=rπq- 1Γ(3-q2(q-1) )Γ(q)-1).
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

2022-6-14 05:31:19
(3) 所谓的q-中心极限定理指出,q高斯是特殊相关随机过程分布的极限。因此,将q-高斯函数作为股票市场PDF分布的候选函数是合理的。为此,我们使用核密度估计构建了标准普尔500指数的pdf。内核的带宽设置为h=0.005,这足够小,可以捕获PDF的非平凡结构。图1a和1b显示了pdf的时间演变及其从活跃市场时间的1分钟到24小时的高度。t=1分钟时的初始分布由沉重的尾巴和中心的一个明显的隆起组成。通过分布斜率的突然变化,可以很容易地将该凹凸与分布的其余部分区分开来,见图1c。图1d和1e中绘制了坡度发生突变的点W与时间的关系图。这些点定义了我们称之为凹凸域的顶部和底部边界。随着时间的推移,凹凸会发生变化,并在78分钟后完全消失。如图1b所示,凹凸高度的时间变化服从幂律,指数为10-2100106 hr3 hr1 hr12 hr24 hr30 mint(min)x10 min4 min3 min2 min1 min1020100P(x,t)-10104102A10102104T(min)10-210-1100101Pmax(t)强超扩散区氮酮BCrossoverWeak超扩散区Cb-0.6-0.4-0.2 0.2 0.4 0.6x10-1100101P(x,t)c-0.6-0.4-0.2 0.4 0.4 6X0204060801010120T(最小)区域氮酮BZ区域CZoneCZone Cd10-210-1100X10101102T(最小值)Zone AZone BZone CZone CeFIG。1: (彩色在线)(a)价格回报pdf的时间演变。最初,pdf的中心有一个明显的隆起,在接近78分钟时完全消失。(b) pdf高度的时间演化。观察到两个明确的幂律。(c) 从图1a中,时间从上到下递增。
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

2022-6-14 05:31:22
凹凸的端点是从pdf的两点处获得的,坡度突变。这些点对应于从强超扩散到弱超扩散的过渡。(d) 圆圈代表根据幂律x=±a(t/to)ν(a=(3.39±0.01)×10)在(e)中拟合的时间绘制的终点-2,to=1 min,ν=0.62±0.05。该曲线和t=35 min的线(红色虚线)确定了强超扩散区(A区)。t=78分钟时,凹凸完全消失(蓝色虚线)。其余区域对应于弱超扩散区(C区)。交叉区域(B区)受曲线限制,35分钟<t<78分钟。在这种情况下,凹凸仍未消散,但经历了从强到弱的超扩散的过渡。最大功率~ t型-1/α,α=1.26±0.04。这与经典扩散过程中预期的指数α=2不同。在t=38分钟和t=78分钟之间,我们观察到一个跨区域。交叉点的末端对应于凹凸完全消失的区域,如图1d和1e所示。交叉结束后,新的分布高度服从不同的幂律,指数α=1.79±0.01,更接近经典差异的指数。Mantegna和Stanley对标准普尔500指数有限数据集的分析得出指数α=1.40±0.05【10】。
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

2022-6-14 05:31:25
这与我们的指数是合理一致的,考虑到他们使用一个指数来拟合高度的整个时间演化。基于凹凸的域和pdf高度的时间演化,我们将二维空间(价格和时间)划分为三个区域,如图1d所示:区域A是凹凸的域,其中幂律适用,区域B是凹凸的域,其中幂律平滑地转变为另一个幂律,区域C是剩余空间。在A区和C区,我们提出了一个自相似分布,由p(x,t)=(Dt)αf决定x(Dt)α. (4) 其中f(x)是归一化分布。指数α将扩散过程定义如下:式4中分布的二阶矩为hxi~ t2/α。α<2对应于超扩散,而α>2则对应于亚扩散。指数α将分布高度标度为Pmax~ t型-1/α如图1b中的前一个设置。目前最受欢迎的替代方案是f(x)=Lα(x)L'evy分布,如Mandelbrot[2]和Mantegna及Stanley[10]所提出的。他们得到α=1.4作为一个合适的参数,表明存在超差。在这里,我们提出了一种不同的方法,通过使用等式4中的q-高斯函数f(x)=gq(x),寻求弱和强超分化区域的自相似拟合。在这两个模型中,可以通过取α=2和g(x)=g(x)=L(x)来恢复经典扩散。该极限对应于扩散方程的自相似解,该解与股市数据不太吻合。A区和C区的自相似拟合如下:首先,我们使用q和β作为拟合参数将每个pdf拟合到公式2。我们评估了拟合参数的时间依赖性。对于每个区域,我们发现Q近似为常数,而β遵循幂律关系,即β=(Dt)-2/α,其中D和α是该幂律的拟合参数。
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