قیمت کی چھلانگوں اور مشترکہ چھلانگوں کی سرایت کی درجہ بندی میں ویولیٹس کا استعمال

خلاصہ

یہ مطالعہ ویولیٹ کے عددی سرشتوں سے بنائی گئی نمائندگیوں کے ذریعے اسٹاک کی قیمتوں میں چھلانگوں کے تجزیے کا ایک غیر نگرانی شدہ طریقہ پیش کرتا ہے۔ اس کا مقصد نظام کی اندرونی حرکیات سے وابستہ چھلانگوں کے نمونوں کو بیرونی جھٹکوں سے متعلق نمونوں سے الگ کرنا ہے۔ تجزیے میں اتار چڑھاؤ کی زمانی عدم تقارن نمایاں خصوصیت کے طور پر سامنے آتی ہے، جبکہ اوسط کی طرف واپسی اور رجحان چھلانگوں کی مزید اقسام متعین کرنے میں مدد دیتے ہیں۔

ویولیٹ نمائندگی مشترکہ چھلانگوں کے مطالعے میں بھی استعمال ہوتی ہے، یعنی جب ایک ہی منٹ میں متعدد اسٹاک کی قیمتوں میں چھلانگیں آئیں۔ مصنفین کا استدلال ہے کہ ان واقعات کا ایک نمایاں حصہ اندرونی طور پر پیدا ہونے والی سرایت کی عکاسی کرتا ہے۔ یہ اسٹاکس میں جھٹکوں کے پھیلاؤ کی تحقیق کا ایک طریقہ فراہم کرتا ہے، اگرچہ دستاویز نمونہ، توثیق کا طریقۂ کار یا اندرونی اور بیرونی واقعات کو الگ کرنے کا ثبوت نہیں بتاتی۔ لہٰذا رپورٹ کردہ نتائج مطالعے کے مشاہدات بیان کرتے ہیں، کوئی ثابت شدہ عالمگیر درجہ بندی قاعدہ نہیں۔

اہم خیالات

• ویولیٹ کے عددی سرشتے اسٹاک کی قیمتوں کی چھلانگوں کی درجہ بندی کے لیے غیر نگرانی شدہ نمائندگی فراہم کرتے ہیں۔
• چھلانگوں کے تجزیے میں اتار چڑھاؤ کی زمانی عدم تقارن ایک اہم خصوصیت ہے۔
• اوسط کی طرف واپسی اور رجحان اضافی خصوصیات ہیں جو چھلانگوں کی اقسام میں فرق کرنے میں مدد دیتی ہیں۔
• مصنفین کا استدلال ہے کہ ایک ہی منٹ میں متعدد اسٹاک کی قیمتوں میں آنے والی چھلانگوں کا نمایاں حصہ اندرونی طور پر پیدا ہونے والی سرایت سے آتا ہے۔

ٹیگز

# 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.

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۔