Dùng khối lượng giao dịch để dự đoán biến động cực đoan

Tóm tắt

Tài liệu nghiên cứu mối tương tác giữa khối lượng giao dịch và biến động, đặc biệt trong những giai đoạn cả hai cùng ở mức cao. Tài liệu mô tả phân tích phân phối có điều kiện: xem xét phân phối biến động ở các mức khối lượng khác nhau, mô hình hóa bằng quy luật lũy thừa có ngưỡng cắt hàm mũ rồi chuẩn hóa lại để đưa về một đường cong chung. Tài liệu cũng định nghĩa biến động tối đa cục bộ (LMV) là mức biến động cao nhất trong một khoảng khối lượng nhất định và nhận thấy LMV tăng theo logarit của khối lượng.

Kết quả thực nghiệm được báo cáo cho thấy khối lượng có thể giúp ước tính biến động tối đa trong cùng ngày và trong khoảng thời gian sắp tới. Xác suất có điều kiện kết hợp cả khối lượng lẫn biến động dự báo mức biến động lớn nhất của ngày kế tiếp tốt hơn việc chỉ dùng riêng từng yếu tố. Bản tóm tắt không nêu tài sản, mẫu dữ liệu, thời hạn chính xác, thiết kế kiểm định hoặc thước đo sai số dự báo, nên không chứng minh được mối quan hệ này khái quát tốt đến đâu giữa các thị trường hay có hỗ trợ một chiến lược giao dịch có thể triển khai hay không.

Ý chính

• Biến động có điều kiện theo khối lượng giao dịch được mô tả bằng quy luật lũy thừa có ngưỡng cắt hàm mũ.
• Chuẩn hóa phân phối biến động có điều kiện theo khối lượng đưa chúng về cùng một đường cong.
• Biến động tối đa cục bộ đo mức biến động cao nhất quan sát được trong một khoảng khối lượng.
• Khối lượng theo logarit có mối liên hệ chặt với biến động tối đa cục bộ.
• Kết hợp khối lượng và biến động giúp dự báo biến động tối đa ngày kế tiếp tốt hơn so với dùng riêng từng yếu tố.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.