Prévoir la volatilité extrême à partir du volume

Résumé

Le document étudie les interactions entre volume de trading et volatilité, en particulier lorsque les deux sont élevés. Il décrit une analyse de distributions conditionnelles : les distributions de volatilité sont examinées selon différents niveaux de volume, modélisées par une loi de puissance avec coupure exponentielle, puis redimensionnées pour se superposer à une courbe commune. Il définit également la volatilité maximale locale (LMV) comme la volatilité la plus élevée dans une plage de volumes donnée et constate que LMV augmente avec le logarithme du volume.

Les résultats empiriques rapportés suggèrent que le volume peut aider à estimer la volatilité maximale, à la fois au cours de la même journée et sur une période proche. Une probabilité conditionnelle conjointe utilisant le volume et la volatilité prévoit mieux la volatilité maximale du lendemain que chacune de ces données prise isolément. Le résumé ne précise ni l’actif, ni l’échantillon, ni l’horizon exact, ni le protocole de validation, ni les mesures d’erreur de prévision ; il n’établit donc pas dans quelle mesure la relation se généralise à différents marchés ou permet une stratégie de trading déployable.

Idées clés

• La volatilité conditionnée par le volume de trading est décrite par une loi de puissance avec coupure exponentielle.
• Le redimensionnement des distributions de volatilité conditionnelles selon le volume les fait se superposer à une courbe commune.
• La volatilité maximale locale mesure la volatilité la plus élevée observée dans une plage de volumes.
• Le logarithme du volume est fortement associé à la volatilité maximale locale.
• Combiner volume et volatilité améliore la prévision de la volatilité maximale du lendemain par rapport à l’utilisation de l’un ou l’autre seul.

Étiquettes

# Predicting market instability: New dynamics between volume and volatility


# Predicting market instability: New dynamics between volume and volatility









Econophysics and econometrics agree that there is a correlation between volume and volatility in a time series. Using empirical data and their distributions, we further investigate this correlation and discover new ways that volatility and volume interact, particularly when the levels of both are high. We find that the distribution of the volume-conditional volatility is well fit by a power-law function with an exponential cutoff. We find that the volume-conditional volatility distribution scales with volume, and collapses these distributions to a single curve. We exploit the characteristics of the volume-volatility scatter plot to find a strong correlation between logarithmic volume and a quantity we define as local maximum volatility (LMV), which indicates the largest volatility observed in a given range of trading volumes. This finding supports our empirical analysis showing that volume is an excellent predictor of the maximum value of volatility for both same-day and near-future time periods. We also use a joint conditional probability that includes both volatility and volume to demonstrate that invoking both allows us to better predict the largest next-day volatility than invoking either one alone.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.