웨이블릿으로 가격 급등락과 동시 급등락 전염 분류
기사 arXiv papers · 저자: Cecilia Aubrun et al.
요약
이 연구는 웨이블릿 계수로 구성한 표현을 통해 주가 급등락을 분석하는 비지도 방법을 소개합니다. 시스템 내부 동역학과 관련된 급등락 패턴을 외부 충격과 연관된 패턴과 구분하는 것이 목표입니다. 분석에서는 변동성의 시간 비대칭성을 두드러진 특징으로 확인하고, 평균 회귀와 추세가 급등락의 추가 분류를 정의하는 데 도움이 된다고 봅니다.
웨이블릿 표현은 여러 주식이 같은 분 안에 급등락하는 동시 급등락을 연구하는 데도 사용됩니다. 저자들은 이러한 이벤트의 상당 부분이 내생적 전염을 반영한다고 주장합니다. 이 방법은 주식 간 충격 전파를 연구하는 데 활용할 수 있지만, 문서에는 표본이나 검증 절차, 내생 이벤트와 외생 이벤트를 구분하는 근거가 제시되어 있지 않습니다. 따라서 보고된 결론은 연구 결과를 설명하는 것이며, 보편적으로 통용되는 분류 규칙이 입증되었다는 뜻은 아닙니다.
핵심 아이디어
- 웨이블릿 계수는 주가 급등락을 분류하는 비지도 표현을 제공합니다.
- 급등락 분석에서 변동성의 시간 비대칭성이 주요 특징으로 나타납니다.
- 평균 회귀와 추세는 급등락 유형을 구분하는 추가 특징입니다.
- 저자들은 같은 분에 발생한 동시 급등락의 상당 부분이 내생적 전염에서 비롯된다고 주장합니다.
태그
전문
# 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.
출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0
이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.