استفاده از موجک‌ها برای دسته‌بندی جهش قیمت و سرایت ناشی از هم‌جهش

خلاصه

این پژوهش روشی بدون‌نظارت برای تحلیل جهش‌های قیمت سهام با استفاده از بازنمایی‌های ساخته‌شده از ضرایب موجک معرفی می‌کند. هدف آن تمایز میان الگوهای جهشی مرتبط با پویایی درونی یک سامانه و الگوهای ناشی از شوک‌های بیرونی است. تحلیل، نامتقارنی زمانی نوسان را ویژگی برجسته‌ای می‌داند و نشان می‌دهد بازگشت به میانگین و روند به تعریف دسته‌های بیشتری از جهش‌ها کمک می‌کنند.

از بازنمایی موجکی برای بررسی هم‌جهش‌ها نیز استفاده می‌شود؛ یعنی زمانی که چند سهم در یک دقیقه جهش می‌کنند. نویسندگان استدلال می‌کنند که بخش قابل‌توجهی از این رویدادها بازتاب سرایت درون‌زا است. این روش راهی برای بررسی گسترش شوک‌ها میان سهام فراهم می‌کند، هرچند سند نمونه، رویه اعتبارسنجی یا شواهد تفکیک رویدادهای درون‌زا از برون‌زا را بیان نمی‌کند. بنابراین، نتیجه‌گیری‌های گزارش‌شده یافته‌های این پژوهش را توصیف می‌کنند، نه یک قاعده دسته‌بندی جهان‌شمولِ اثبات‌شده را.

ایده‌های کلیدی

• ضرایب موجک بازنمایی بدون‌نظارتی برای دسته‌بندی جهش‌های قیمت سهام فراهم می‌کنند.
• نامتقارنی زمانی نوسان، ویژگی مهم تحلیل جهش‌ها است.
• بازگشت به میانگین و روند، ویژگی‌های دیگری هستند که به تمایز دسته‌های جهش کمک می‌کنند.
• نویسندگان استدلال می‌کنند که سهم قابل‌توجهی از هم‌جهش‌های هم‌زمان در یک دقیقه از سرایت درون‌زا ناشی می‌شود.

برچسب‌ها

# 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.

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.