Dùng wavelet phân loại cú nhảy giá và lây lan đồng nhảy

Tóm tắt

Nghiên cứu giới thiệu phương pháp không giám sát để phân tích các cú nhảy giá cổ phiếu thông qua biểu diễn được xây dựng từ hệ số wavelet. Phương pháp nhằm phân biệt các kiểu cú nhảy gắn với động lực nội tại của hệ thống với những kiểu liên quan đến cú sốc bên ngoài. Phân tích xác định tính bất đối xứng theo thời gian của biến động là một đặc điểm nổi bật, đồng thời nhận thấy hồi quy về trung bình và xu hướng giúp xác định các nhóm cú nhảy bổ sung.

Biểu diễn wavelet cũng được dùng để nghiên cứu các cú đồng nhảy, khi nhiều cổ phiếu cùng nhảy giá trong một phút. Các tác giả cho rằng một phần đáng kể những sự kiện này phản ánh lây lan nội sinh. Phương pháp này mở ra cách khảo sát sự lan truyền của cú sốc giữa các cổ phiếu, dù tài liệu không nêu mẫu dữ liệu, quy trình xác thực hay bằng chứng phân biệt sự kiện nội sinh với ngoại sinh. Vì vậy, các kết luận được báo cáo mô tả phát hiện của nghiên cứu chứ không phải một quy tắc phân loại phổ quát đã được chứng minh.

Ý chính

• Hệ số wavelet cung cấp biểu diễn không giám sát để phân loại các cú nhảy giá cổ phiếu.
• Tính bất đối xứng theo thời gian của biến động là đặc điểm chính trong phân tích cú nhảy.
• Hồi quy về trung bình và xu hướng là các đặc điểm bổ sung giúp phân biệt những nhóm cú nhảy.
• Các tác giả cho rằng một phần đáng kể các cú đồng nhảy trong cùng một phút bắt nguồn từ lây lan nội sinh.

Thẻ

# 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.

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.