基于时间两点的期货市场效率诊断

这是一个小时的时间间隔。图3显示了测量结果和统计精度。通过目视检查，图3中六种时间相关性中的五种可以说是信号强度随时间而降低。唯一的例外是欧元/卢布与布伦特的相关性。fit优度或p值是指即使对于正确的模型，也能获得超过实际观察值的χ值的概率。这取决于χ和fr-eedom的度数。对于3个自由度，对于像图3中左上角的χ=6.4这样糟糕的数据，这是0.094，而对于χ=10.7，右下角，这是0.013。除描述欧元/卢布与布伦特（中左图）相关性的曲线图外，所有曲线图都将影响的时间恒常性作为一个不太可能的假设，其优度在刚刚引用的两个p值之间变化。在图3的所有六个面板中，无论数据的时间非恒定性是否被判断为显著性，数据点的视觉趋势始终朝着表示零级影响的虚线，随着时间的推移。3.3. 流动性和五种研究工具的流动性排序如图4所示。每台仪器每小时交易数千份合同。这本书是否与谁成为领导者，以及谁——追随者有关？不一定。流动性最强的工具美元/卢布是RTS、布伦特和欧元/美元的跟随者。欧元/美元和布伦特原油的成交量不在堡垒内，但RTS原油的成交量不在堡垒内，而RTSleads原油的成交量为美元/卢布。

更具流动性的美元/卢布领先于欧元/卢布。与俄罗斯股票市场指数RTS相关的期货交易量的稳步下降反映了多年来对俄罗斯股票市场的兴趣不断下降，使我们能够将传统资产管理公司从负责堡垒效率增长的“怀疑”名单中剔除。此外，我们假设，涉及RTS作为领导者（表1）的领先优势相关性强度的下降可能是由“stat us”的特殊下降引起的，而“stat us”以前在股市中享有，它可能在与国内房地产和以卢布计价的长期银行存款的竞争中失利。同样，人们可能会怀疑原油和美元同样在“失去地位”，当然相对而言——如果是这样的话，这可以被解释为俄罗斯经济决策者信心不足和经济日益复杂的迹象。3.4. Towa rds有效性标准基于相关性的可预测性指数（CBPI）是一种衡量市场效率的指标，具有特定的时间框架（时间尺度）和测量间隔。测量间隔是时间覆盖范围，在此范围内对数据进行平均，以获得单个CBPI量。CBPI由第2节中已经介绍的五个期货合约中的滞后自相关系数和滞后市场间相关系数构成。延迟等于一小时。五个时间序列的形式为5×（5-1） /2=10对独特的市场间配对。然而，由于成对的排列顺序，内部市场组合的总数是20。排列揭示了新的信息，因为时间序列A和B之间的正时滞相关系数不需要与同一时间序列的负时滞相关系数相同。

在这20个量中，添加了5个1小时滞后自相关系数，以表征时间序列的自预测性。CBPI定义为上述25个系数的平均值，每个系数都是绝对值。以下是一般公式：CBPI=Xi，j | C（1 | Xi，xj）|/Xi，j1，（5），其中C（1 | Xi，xj）根据等式4定义。就有效市场被理解为缺乏记忆而言，CBPI是在特定时间尺度上对所选市场组的市场无效性的衡量。与任何随机量一样，CBPI也会受到影响。此外，虽然CBPI从零开始的g增长衡量可预测性的程度，但不完全随机市场通常会有非零CBPI。因此，在CBPI可以作为衡量效率的有用标准之前，它也需要一个新的标志。作为一个非负量，CBPI是一个非对称分布的平均值统计量，描述了与一小时的时间滞后相对应的相关系数的绝对值。相关系数是一个随机量，它同样可能取正值和负值。其绝对值的分布可以近似地描述为高斯分布的右半部分，以零为中心，其σ参数等于典型一小时相关性的测量精度。这种分布的平均值为σq2/π。我们将该数量作为CBPI的基准，并将其表示为CBPI。它为假设市场建立了一个beCBPI模型，在假设市场中，相关性系数的测量精度与实际情况相同，但没有任何可预测性影响。

当然，CBPI与CBPI的比较仅对此类数量的足够大的统计样本有意义。图5显示了正在研究的堡垒市场的CBPI历史。它是对图3的补充，后者会随着时间的推移聚合数据，显示特定市场组合的详细视图，而前者会（以特定方式）聚合市场上的数据，显示时间演变的详细视图。图3所示的相关性效应在第一年的数据中得到了最大程度的展示，也在图5中留下了足迹。我们中的一位在其他地方[5]提出的一项时间跨度较长的研究，涵盖了过去10年的14个外汇汇率时间序列，描绘了一幅与全球效率长期下降相一致的图景。4.结论我们观察到俄罗斯期货市场与有效市场假设的弱形式所规定的条件存在统计上的显著偏差。在选定的每小时时间尺度上，最强的市场预测相关性是“broa d”（尾巴状）类型，而不是振荡类型。在这种情况下，任何成功利用预测性风险的交易活动（从而有助于风险的降低）也会在其他条件相同的情况下降低长期波动性。在过去四年中，我们观察到预测性领导者-追随者特征消失的统计显著趋势。

只有时间会证明，这是否最终会成为一个相反的极端，即振荡的可预测性。或者，如果我们将领导者-追随者效应的消失视为领导力cri的一种形式，那么我们可能会在适当的时候看到新领导人的影响回归。确认这项研究得到了Maraging Partners L C的支持。Maraging Partners L C是一家总部位于莫斯科的咨询公司，通过制定有效的货币风险对冲策略，利用机会获得过高的风险调整回报，在定量、算法和自由裁量的基础上对投资组合进行计时分配，为实体经济企业创造价值。我们感谢FelixSavchenkov的评论，这些评论帮助ed改进了演讲。参考文献[1]B.Mandelbrot，《未来价格预测、无偏市场和“鞅”模型》，《商业杂志》，第39卷，1966年1月，242-255[2]X.Gabaix，《经济和金融中的幂律》，年。牧师。经济部。2009年，1:255-93[3]E.Fama，《股票市场价格行为》，商业杂志，第38卷，第一期。1965年1月19日，34-105[4]E.van Marcke，《随机场：分析与合成》，剑桥，麻省理工学院出版社[5]ForexAutomaton 2013。

第五次年度研究进展总结。http://forexautomaton.com/research/53/23473C（1 | EU，RI）-0.1-0.08-0.06-0.04-0.020/NDF2χ6.357/3P00.01048±-0.06002/NDF2χ6.357/3P00.01048±-0.06002C（1 | EU，BR）-0.08-0.06-0.04-0.020/NDF2χ1.162/3P00.009697±-0.06243243/NDF2χ1.162/3P00.009697±-0.24312。12.10.10.10.10.12/ndf 2.10.10.10.12/ndf 2.10.10.12/ndf 2.10.10.10.10.12/ndf 2χ8.626/3 0 0 0.0 0 0 0.011590 0.011590 0.011590 0 0.011590 0 0 0.0 0 0 0 0 0.10.10 10.10.10 10 10.10 10 10.10 10 10 10.10.10/3/0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.011590 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.011590 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.011590 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0-0.04-0.020/ndf 2χ9.369/3p0.009695±-0.0496/ndf 2χ9.369/3p00.009695±-0.049612。09 12.10 01.12C（1 | SI，ED）-0.1-0.08-0.06-0.04-0.020.020.04/ndf 2χ10.73/3p0.009993±-0.03686/ndf 2χ10.73/3p0.009993±-0.03686图3：1小时滞后相关系数的历史，在表3.1中报告为显著值。左图：欧盟、欧元/卢布期货与RTS、布伦特和美元/卢布的相关性。右图：SI，即美元/卢布期货与RTS、布伦特和欧元/美元的相关性。每个数据点代表一年。水平实线显示了数据集的最小平方和常数（p），图中显示的自由度数为χ。垂直条的长度为一个标准差。日期12。09 12.10 01.12合同6000650700075008000RTS指数（RI）日期的每小时平均流量12。09 12.10 01.12合同日期为6001800200022002400Brent（BR）的平均每小时交通量12。09 12.10 01.12合同50001000015002000025000USD/卢布（SI）欧元/美元（ED）10×欧元/卢布（EU）的平均每小时交易量图4：交易量与时间的关系。

给定年份内交易的每小时平均合约数显示为时间的函数。日期09。08 04.09 11.09 07.10 02.11 09.11 04.12 11.12 07.13 02.14 Forts CBPI0。030.040.050.060.070.080.090.1从2009年2月到2013年8月，作为时间函数，研究中的体育市场的基于相关性的可预测性指数CBP I的月值。