Структурная модель доходности, волатильности и объёма торгов

Сводка

В статье предлагается структурная матричная авторегрессионная модель для совместного анализа доходности активов, реализованной волатильности и объёма торгов в системе с большим числом переменных. Модель учитывает динамические эффекты распространения между переменными и зависимость между активами, сохраняя более экономную параметризацию, чем обычная векторная авторегрессия. Для идентификации модели используются структурные ограничения, основанные на гипотезе смеси распределений и теории эффективных рынков.

Эмпирический анализ использует дневные данные по компонентам промышленного индекса Dow Jones за период с 2021 по 2025. Результаты показывают, что главным фактором торговой активности является волатильность. Разложения дисперсии ошибки прогноза указывают, что на коротких горизонтах динамику объёма торгов в основном определяют внутренние шоки, а на длинных более половины вариации объёма объясняют эффекты распространения между активами. Анализ событий вокруг объявлений FOMC выявляет рост информативной составляющей активности в дни объявлений, за которым следует быстрое возвращение к среднему. Выводы относятся к выбранным акциям, периоду выборки, ограничениям идентификации и спецификации модели.

Ключевые идеи

• Система SMAR совместно моделирует доходность, реализованную волатильность и объём торгов по разным активам.
• Параметризация модели призвана экономно учитывать эффекты распространения и зависимость между активами.
• Согласно представленному анализу, волатильность — основной фактор торговой активности.
• На длинных горизонтах эффекты распространения между активами объясняют большую долю вариации объёма торгов.
• В дни объявлений FOMC информативная активность возрастает, а затем быстро возвращается к среднему.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.