Modelo estructural de rendimientos, volatilidad y volumen

Resumen

El artículo propone un modelo autorregresivo de matrices estructurales para estudiar conjuntamente los rendimientos de activos, la volatilidad realizada y el volumen de trading en un entorno de gran dimensión. Está diseñado para capturar tanto los efectos indirectos dinámicos entre variables como la dependencia entre activos, manteniendo una parametrización más parsimoniosa que la de una autorregresión vectorial convencional. El modelo se identifica mediante restricciones estructurales basadas en la hipótesis de mezcla de distribuciones y la teoría de mercados eficientes.

El análisis empírico utiliza datos diarios de los componentes del Dow Jones Industrial Average desde 2021 hasta 2025. Sus hallazgos indican que la volatilidad es el principal motor de la actividad de trading. Las descomposiciones de la varianza del error de previsión sugieren que los shocks internos dominan la dinámica del volumen a horizontes cortos, mientras que los efectos indirectos entre activos explican más de la mitad de la variación del volumen a horizontes largos. Un estudio de eventos en torno a los anuncios de FOMC detecta un aumento del componente informativo de la actividad en los días de anuncio, seguido de una rápida reversión a la media. Estos resultados dependen de las acciones seleccionadas, el periodo de la muestra, las restricciones de identificación y la especificación del modelo.

Ideas clave

• El marco SMAR modela conjuntamente los rendimientos, la volatilidad realizada y el volumen entre activos.
• Su parametrización busca captar efectos indirectos y dependencia transversal de forma parsimoniosa.
• El análisis indica que la volatilidad es el principal motor de la actividad de trading.
• Los efectos indirectos entre activos explican una proporción mayor de la variación del volumen a horizontes largos.
• Los días de anuncio de FOMC muestran un aumento de la actividad informativa seguido de una rápida reversión a la media.

Etiquetas

# A Structural Matrix Autoregressive Model for the Joint Dynamics of Volume, Volatility, and Returns


# A Structural Matrix Autoregressive Model for the Joint Dynamics of Volume, Volatility, and Returns









This paper proposes a Structural Matrix Autoregressive (SMAR) model for the joint analysis of asset returns, realized volatility, and trading volume in a large-dimensional setting. This framework simultaneously captures dynamic spillovers across financial variables and cross-sectional dependence across assets while preserving a parsimonious parameterization relative to conventional vector autoregressive models. The model is estimated on daily data for the constituents of the Dow Jones Industrial Average over the period 2021-2025 and is structurally identified through restrictions consistent with the Mixture of Distributions Hypothesis and efficient market theory. The empirical findings indicate that volatility is the primary driver of trading activity, suggesting that informational shocks are predominantly incorporated into markets through price variability. Forecast error variance decompositions further reveal that, although internal shocks dominate short-term volume dynamics, cross-asset spillovers account for more than 50% of trading volume variation at longer horizons. Finally, an event-study analysis around FOMC announcements supports the proposed decomposition by identifying significant increases in the informative component of trading activity on announcement days followed by rapid mean reversion.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.