نقشه‌برداری از همبستگی درون‌روزی سهام و ساختار روزانه بازار
خلاصه
این مقاله همبستگی‌ها و هم‌حرکتی میان سهام را برای بررسی فصلی‌بودن درون‌روزی و تحول بازار بررسی می‌کند. با استفاده از داده‌های درون‌روزی CAC 40، یافته‌های پیشین مبنی بر افزایش میانگین همبستگی سهام در طول روز معاملاتی را بازبینی می‌کند. از مقیاس‌بندی چندبعدی (MDS) برای ساخت نقشه‌هایی استفاده می‌کند که تغییر ساختار همبستگی بازار را در گذر زمان نشان می‌دهند، اما تفاوت‌های ساختاری چشمگیری در طول یک روز گزارش نمی‌کند.
این مطالعه همچنین MDS را روی داده‌های روزانه به کار می‌گیرد تا بخش‌های بازار و دوره‌های بحران را به‌صورت بصری نشان دهد. نویسندگان پیشنهاد می‌کنند این نقشه‌ها به شناسایی سهام نامزد برای معاملات جفتی کمک کنند. این رویکردی برای تجسم و تحلیل اکتشافی است، نه یک استراتژی معاملاتی آزموده‌شده: سند هیچ قاعده معاملاتی، نتیجه خارج از نمونه یا شواهدی مبنی بر سودآوربودن جفت‌های انتخاب‌شده با MDS ارائه نمی‌کند. یافته‌های درون‌روزی آن بر داده‌های CAC 40 مبتنی است و خلاصه، دوره داده‌ها یا آزمون‌های استحکام را مشخص نمی‌کند.
ایده‌های کلیدی
- میانگین همبستگی سهام در داده‌های درون‌روزی CAC 40 طی روز معاملاتی افزایش می‌یابد؛ این با یافته‌های پیشین سازگار است.
- از نقشه‌های MDS برای نمایش تغییرات ساختار همبستگی در طول روز استفاده می‌شود.
- مطالعه تغییر چشمگیری در ساختار کلی بازار طی روز نمی‌یابد.
- نقشه‌های داده‌های روزانه ممکن است بخش‌های بازار و دوره‌های بحران را آشکار کنند.
- نویسندگان این نقشه‌ها را راهی برای یافتن جفت‌های نامزد پیشنهاد می‌کنند، اما عملکرد استراتژی را گزارش نمی‌کنند.
برچسب‌ها
متن کامل
# Study of statistical correlations in intraday and daily financial return time series # Study of statistical correlations in intraday and daily financial return time series The aim of this article is to briefly review and make new studies of correlations and co-movements of stocks, so as to understand the "seasonalities" and market evolution. Using the intraday data of the CAC40, we begin by reasserting the findings of Allez and Bouchaud [New J. Phys. 13, 025010 (2011)]: the average correlation between stocks increases throughout the day. We then use multidimensional scaling (MDS) in generating maps and visualizing the dynamic evolution of the stock market during the day. We do not find any marked difference in the structure of the market during a day. Another aim is to use daily data for MDS studies, and visualize or detect specific sectors in a market and periods of crisis. We suggest that this type of visualization may be used in identifying potential pairs of stocks for "pairs trade".
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.