ریٹرنز، اتار چڑھاؤ اور ٹریڈنگ حجم کا ساختی ماڈل

خلاصہ

یہ مقالہ بڑے ابعادی تناظر میں اثاثوں کے منافع، حاصل شدہ اتار چڑھاؤ اور ٹریڈنگ حجم کا بیک وقت مطالعہ کرنے کے لیے ساختی میٹرکس آٹوریگریسیو ماڈل تجویز کرتا ہے۔ اسے متغیّرات کے درمیان متحرک اثرات اور اثاثوں کے درمیان انحصار، دونوں کو پکڑنے کے لیے بنایا گیا ہے، جبکہ اس کی پیرامیٹر سازی روایتی ویکٹر آٹوریگریشن کے مقابلے میں زیادہ کفایتی رکھی گئی ہے۔ تقسیمات کے آمیزے کے مفروضے اور مؤثر مارکیٹ نظریے سے رہنمائی لینے والی ساختی پابندیاں ماڈل کی شناخت کے لیے استعمال کی گئی ہیں۔

تجرباتی تجزیے میں ڈاؤ جونز انڈسٹریل ایوریج کے اجزا کا روزانہ ڈیٹا 2021 سے 2025 تک استعمال کیا گیا ہے۔ نتائج میں اتار چڑھاؤ کو ٹریڈنگ سرگرمی کا بنیادی محرک قرار دیا گیا ہے۔ پیش گوئی کی غلطی کے تغیر کی تقسیم سے ظاہر ہوتا ہے کہ مختصر مدت میں اندرونی منڈی کے جھٹکے حجم کی حرکیات پر غالب ہیں، جبکہ اثاثوں کے مابین اثرات کا پھیلاؤ طویل مدت میں حجم کے تغیر کے نصف سے زیادہ کی وضاحت کرتا ہے۔ FOMC کے اعلانات کے آس پاس کیے گئے واقعاتی مطالعے میں اعلان کے دن سرگرمی کے معلوماتی حصے میں اضافہ ملا، جس کے بعد یہ اوسط کی طرف تیزی سے لوٹ آیا۔ یہ نتائج منتخب ایکویٹیز، نمونے کی مدت، شناختی پابندیوں اور ماڈل کی تخصیص سے وابستہ ہیں۔

اہم خیالات

• SMAR کا خاکہ مختلف اثاثوں کے ریٹرنز، حقیقی اتار چڑھاؤ اور حجم کا مشترکہ ماڈل بناتا ہے۔
• اس کی پیرامیٹرائزیشن کا مقصد اثرات اور اثاثوں کے درمیان انحصار کو کفایت سے پکڑنا ہے۔
• رپورٹ کردہ تجزیے میں اتار چڑھاؤ کو ٹریڈنگ سرگرمی کا بنیادی محرک پایا گیا۔
• طویل مدتی افق پر حجم کے تغیر میں اثاثوں کے درمیان پھیلاؤ کا حصہ زیادہ ہوتا ہے۔
• FOMC کے اعلان کے دن معلوماتی سرگرمی میں اضافہ اور اس کے بعد اوسط کی طرف تیز واپسی دیکھی گئی۔

ٹیگز

# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔