Uso do Volume de Negociação para Prever Volatilidade Extrema

Resumo

O documento estuda como o volume de negociação e a volatilidade interagem, com atenção especial aos períodos em que ambos estão elevados. Descreve uma análise de distribuição condicional: as distribuições de volatilidade são examinadas em diferentes níveis de volume, modeladas por uma lei de potência com corte exponencial e reescaladas para coincidir em uma curva comum. Também define a volatilidade máxima local (LMV) como a maior volatilidade em determinada faixa de volume e conclui que LMV aumenta com o volume logarítmico.

Os resultados empíricos relatados sugerem que o volume pode ajudar a estimar a volatilidade máxima tanto no mesmo dia quanto em um período próximo no futuro. Uma probabilidade condicional conjunta que usa volume e volatilidade prevê a maior volatilidade do dia seguinte melhor do que qualquer uma das variáveis isoladamente. O resumo não informa ativo, amostra, horizonte preciso, desenho de validação ou medidas de erro de previsão; portanto, não demonstra o quanto a relação se generaliza entre mercados nem se sustenta uma estratégia de trading pronta para implementação.

Ideias principais

• A volatilidade condicionada ao volume de negociação é descrita por uma lei de potência com corte exponencial.
• O reescalonamento das distribuições de volatilidade condicional pelo volume faz com que coincidam em uma curva comum.
• A volatilidade máxima local mede a maior volatilidade observada em uma faixa de volume.
• O volume logarítmico está fortemente associado à volatilidade máxima local.
• Combinar volume e volatilidade melhora a previsão da volatilidade máxima do dia seguinte em relação ao uso de qualquer uma isoladamente.

Tags

# 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.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.