Kursausschläge und Ansteckung durch gemeinsame Sprünge mit Wavelets klassifizieren

Zusammenfassung

Die Studie stellt eine unüberwachte Methode zur Analyse von Kurssprüngen bei Aktien anhand von Darstellungen aus Wavelet-Koeffizienten vor. Sie soll Sprungmuster unterscheiden, die mit der internen Dynamik eines Systems verbunden sind, von solchen, die auf externe Schocks zurückgehen. Die Analyse identifiziert zeitliche Asymmetrie der Volatilität als hervorstechendes Merkmal und zeigt, dass Mean-Reversion und Trend weitere Sprungklassen mitdefinieren.

Die Wavelet-Darstellung wird auch zur Untersuchung gemeinsamer Kurssprünge verwendet, bei denen mehrere Aktien innerhalb derselben Minute springen. Die Autoren vertreten die Auffassung, dass ein erheblicher Teil dieser Ereignisse auf endogene Ansteckung zurückgeht. Das bietet eine Möglichkeit, die Ausbreitung von Schocks über verschiedene Aktien hinweg zu untersuchen. Das Dokument nennt jedoch weder die Stichprobe noch das Validierungsverfahren oder Belege für die Unterscheidung endogener von exogenen Ereignissen. Die berichteten Schlussfolgerungen beschreiben daher die Ergebnisse der Studie und keine nachgewiesene allgemeingültige Klassifikationsregel.

Kernaussagen

• Wavelet-Koeffizienten liefern eine unüberwachte Darstellung zur Klassifizierung von Kurssprüngen bei Aktien.
• Die zeitliche Asymmetrie der Volatilität ist ein wichtiges Merkmal der Sprunganalyse.
• Mean-Reversion und Trend sind weitere Merkmale, die bei der Unterscheidung von Sprungklassen helfen.
• Die Autoren vertreten die Auffassung, dass ein erheblicher Anteil der Kurssprünge mehrerer Aktien innerhalb derselben Minute auf endogene Ansteckung zurückgeht.

Schlagwörter

# Riding Wavelets: A Method to Discover New Classes of Price Jumps


# Riding Wavelets: A Method to Discover New Classes of Price Jumps









Cascades of events and extreme occurrences have garnered significant attention across diverse domains such as financial markets, seismology, and social physics. Such events can stem either from the internal dynamics inherent to the system (endogenous), or from external shocks (exogenous). The possibility of separating these two classes of events has critical implications for professionals in those fields. We introduce an unsupervised framework leveraging a representation of jump time-series based on wavelet coefficients and apply it to stock price jumps. In line with previous work, we recover the fact that the time-asymmetry of volatility is a major feature. Mean-reversion and trend are found to be two additional key features, allowing us to identify new classes of jumps. Furthermore, thanks to our wavelet-based representation, we investigate the reflexive properties of co-jumps, which occur when multiple stocks experience price jumps within the same minute. We argue that a significant fraction of co-jumps results from an endogenous contagion mechanism.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.