コンテンツへスキップ
ライブラリの全資料

リターン・ボラティリティ・取引量の構造モデル

記事 arXiv papers · 著者: Andrea Bucci et al.
原文を読む

サマリー

本論文は、大規模な多変量設定で資産リターン、実現ボラティリティ、取引量を同時に分析する構造行列自己回帰モデルを提案しています。変数間の動的な波及と資産間の依存関係を捉えながら、従来型のベクトル自己回帰より簡潔なパラメータ化を目指します。分布混合仮説と効率的市場理論に基づく構造制約を用いてモデルを識別します。

実証分析では、2021年から2025年までのダウ・ジョーンズ工業株平均構成銘柄の日次データを用いています。結果は、ボラティリティが取引活動の主な要因であることを示しています。予測誤差分散分解では、短期では内部ショックが出来高の動態を左右する一方、長期では資産間の波及が出来高変動の半分以上を説明すると示唆されています。FOMCの発表をめぐるイベントスタディでは、発表日に活動の情報的な要素が増加し、その後すぐに平均回帰することが分かりました。これらの結果は、選定された株式、標本期間、識別制約、モデル仕様に依存します。

主なアイデア

  • SMARの枠組みを使い、資産間のリターン、実現ボラティリティ、出来高を同時にモデル化します。
  • 簡潔なパラメータ化で、波及効果と資産間の依存関係を捉えることを目指しています。
  • 報告された分析では、ボラティリティが取引活動の主な要因とされています。
  • 長期では、資産間の波及が出来高変動に占める割合が高くなります。
  • FOMCの発表日には情報的な取引活動が増え、その後すぐに平均回帰しました。

タグ

株式ボラティリティ市場マイクロストラクチャー統計イベントドリブン
全文
# 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.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。