跳至正文
返回文库全部文档

用分形点过程建模长程交易活动与波动率

文章 arXiv papers · 作者: V. Gontis et al.
阅读原文

总结

本文提出一种交易活动随机模型，该模型基于由非线性随机微分方程驱动的分形点过程。模型根据金融市场交易数据进行调整，旨在捕捉交易时点和频率的统计特征。它用于表示交易活动中的持续性结构，而不是将交易视为相互独立的事件。

据报告，该模型能够复现股票市场交易活动中观察到的概率分布和功率谱密度。作者还引入交易活动与收益之间的简单随机关系，并通过数值计算复现波动率的长程记忆特征。文本未提供数据、估计程序、样本外表现或对交易预测的实用性等细节。其证据涉及对统计特征的复现，因此仅凭这份描述无法判断该模型对预测或执行决策的价值。

核心观点

  • 所提模型将交易活动表示为由非线性随机微分方程驱动的分形点过程。
  • 模型根据实证金融交易活动数据进行调整。
  • 据报告，该模型能复现股票市场观察到的交易活动分布和功率谱密度。
  • 模型利用交易活动与收益之间的随机联系刻画波动率的持续性特征。
  • 本文报告了对统计特征的复现，但未证实其预测或交易表现。

标签

统计学波动率股票市场微观结构
全文
# Modeling long-range memory trading activity by stochastic differential equations


# Modeling long-range memory trading activity by stochastic differential equations









We propose a model of fractal point process driven by the nonlinear stochastic differential equation. The model is adjusted to the empirical data of trading activity in financial markets. This reproduces the probability distribution function and power spectral density of trading activity observed in the stock markets. We present a simple stochastic relation between the trading activity and return, which enables us to reproduce long-range memory statistical properties of volatility by numerical calculations based on the proposed fractal point process.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。