Uso de wavelets para classificar saltos de preços e contágio em co-saltos

Resumo

O estudo apresenta um método não supervisionado para analisar saltos nos preços das ações por meio de representações construídas com coeficientes wavelet. Busca distinguir padrões de salto associados à dinâmica interna de um sistema daqueles ligados a choques externos. A análise identifica a assimetria temporal da volatilidade como característica proeminente e conclui que reversão à média e tendência ajudam a definir classes adicionais de saltos.

A representação wavelet também é usada para estudar co-saltos, quando várias ações apresentam saltos no mesmo minuto. Os autores argumentam que uma parcela significativa desses eventos reflete contágio endógeno. Isso oferece uma maneira de investigar como choques se propagam entre ações, embora o documento não informe a amostra, o procedimento de validação nem evidências para separar eventos endógenos dos exógenos. Portanto, as conclusões relatadas descrevem os resultados do estudo, e não uma regra de classificação universal demonstrada.

Ideias principais

• Os coeficientes wavelet fornecem uma representação não supervisionada para classificar saltos nos preços das ações.
• A assimetria temporal da volatilidade é uma característica central da análise de saltos.
• Reversão à média e tendência são características adicionais que ajudam a distinguir classes de saltos.
• Os autores argumentam que uma parcela significativa dos co-saltos no mesmo minuto decorre de contágio endógeno.

Tags

# 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.

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.