金融市场中的详细平衡测试

然而，详细的平衡动作信号日志≈ -2.4离随机情况的信号不远-1.5，当然距离-16.0，精确（机器精度）详细天平的情况。因此，从我们的分析中可以看出，收益分布的视觉印象及其所有程式化特征，并不是市场不平衡的可靠指标（如本文定义的）。图8：收益分布的比较，如图6所示，但使用大都会转移概率（15）。图9：大都市选择的转移概率密度分布W（x，y）（15）。数据装箱如图3所示。图10：典型的退火历史，如图5所示，但使用转变概率W（x，y）的非均匀随机分布。图11：收益分布的比较，如图7所示。6，但使用随机均匀转移概率（15）。然而，在（4）中定义的建议措施（更恰当地说是对数）似乎对该特征非常敏感。5.总结与结论我们已经测试了历史金融价格-时间序列的详细平衡，这是一种统计特性，如果存在，将表明新古典经济理论中已知的非均衡市场条件。该测试不是直接使用价格，而是围绕收益的时间序列设计的。基于后续交易信号之间收益的经验转移概率，我们定义了收益概率分布w的函数S[w]，并通过模拟退火的方式确定其最小S。在其范围内0≤ s≤ 1，其中S=0表示精确的详细余额，我们发现日志S=-2.4对于历史时间序列，而控制运行产生了大量的转移概率收益率log S=-1.5.

计算收益分布的视觉印象（在-2.4）具有真实的特征，而控制分布（在-1.5）没有。因此，我们的结论是，历史收益率分布确实具有均衡要素，如对数S所测量的，但肯定远没有对数S所表示的数值精确性≈ -16.0，典型的机器精度。虽然我们认为提议的测试可能是一种有用的分析工具，用于测试时间序列中的“均衡”，但也很明显，它必须应用于更大种类的历史数据集，以验证其效用。尤其值得一提的是，将其应用于高频金融数据会很有趣。参考文献[1]亚当·斯密。调查国家富裕的性质和原因。企鹅经典。企鹅，伦敦，纽约，1999年。[2] 约瑟夫·L·麦考利。市场动态：新金融经济学。剑桥大学出版社，第二版，2009年。[3] 迪迪埃·索内特。自然科学中的关键现象：混沌、分形、自组织和无序：概念和工具。协同学系列。Springer Verlag，柏林，海德堡，纽约，2006年。[4] B.杜波耶、H.R.费比格和D.P.马斯格罗夫。规范不变量晶格量子场理论：对高频金融市场统计特性的影响。Physica A:统计力学及其应用，389（1）：107–116，2010。可从以下网址获得：http://www.sciencedirect.com/science/article/pii/S0378437109007377，doi:doi:10.1016/j.physa。2009.09.002.[5] B.杜波耶、H.R.费比格和D.P.马斯格罗夫。通过简单的自组织临界晶格模型复制金融市场动态。Physica A：统计力学及其应用，390（18-19）：3120–31352011。可从以下地址获得：http://www.sciencedirect.com/science/article/pii/S0378437111003116，doi:doi:10.1016/j.physa。2011.04.017.[6] 新南威尔士州大都会。

Rosenbluth，M.N.Rosenbluth，A.H.出纳员和E.出纳员。通过快速计算机计算状态方程。化学物理杂志，21（6）：1087-10921953。[7] 威廉·费勒。概率论及其应用导论——第一卷，第三版。John Wiley&SonsInc。，1968年，纽约。[8] 威廉·费勒。概率论及其应用导论——第二卷。第二版。John Wiley&SonsInc。，1971年，纽约。[9] 金融投资公司，2008年。可从以下网址获得：http://www.fin-rus.com/analysis/export/.[10] S·柯克帕特里克、C·D·格拉特和M·P·维基。模拟退火优化。《科学》，220（4598）：671-6801983。可从以下网址获得：http://www.sciencemag.org/content/220/4598/671.abstract，doi:10.1126/science。220.4598.671.[11] W.H.Press、S.A.Teukolsky、W.T.Vetterling和B.P.Flannery。数字配方：科学计算的艺术。第三版。约翰·威利父子公司，剑桥大学出版社，2007年。