日间和夜间的交叉相关性不对称

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Asymmetry of cross correlations between intra-day and overnight
  volatilities》
---
作者：
Rubina Zadourian, Peter Grassberger
---
最新提交年份：
2015
---
英文摘要：
  We point out a stunning time asymmetry in the short time cross correlations between intra-day and overnight volatilities (absolute values of log-returns of stock prices). While overnight volatility is significantly (and positively) correlated with the intra-day volatility during the \\textit{following} day (allowing thus non-trivial predictions), it is much less correlated with the intra-day volatility during the \\textit{preceding} day. While the effect is not unexpected in view of previous observations, its robustness and extreme simplicity are remarkable.
---
中文摘要：
我们指出，在日间和隔夜波动率（股票价格对数收益的绝对值）之间的短期交叉相关性中，存在着惊人的时间不对称性。虽然隔夜波动率与次日的日内波动率显著（且正）相关（因此允许进行非平凡的预测），但与前一日的日内波动率的相关性要小得多。虽然从之前的观察来看，这种效果并不意外，但其鲁棒性和极端简单性是显著的。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--

---
PDF下载：
--> Asymmetry_of_cross_correlations_between_intra-day_and_overnight_volatilities.pdf (380.22 KB)

2022-5-9 05:51:26 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：不对称 相关性 volatilities correlations Econophysics

日间和夜间挥发性物质之间的交叉相关性不对称鲁比纳·扎杜里亚和彼得·格拉斯伯格马克斯·普朗克物理研究所，德国德累斯顿诺瑟尼策大街38号，邮编：01187，德国JSC，FZ J¨ulich，D-52425 J¨ulich，德国（日期：2018年8月24日）我们指出，日间和隔夜波动率（股票价格对数收益的绝对值）之间的短期交叉相关性存在惊人的时间不对称性。虽然隔夜波动率与次日的日内波动率显著（且正）相关（因此允许进行非平凡的预测），但与前一天的日内波动率的相关性要小得多。虽然从之前的观察来看，这种影响并不出人意料，但它的健壮性和极端简单性是显著的。众所周知，任何证券交易所的股价波动几乎没有相关性，也不允许进行任何非琐碎的预测。这是这些波动幅度的差异，称为波动性。如果市场繁忙，波动性很大，市场需要一段时间才能恢复平静。有了一些现代选项，就有可能对波动性进行预测（尽管如果可能的话，对有符号波动的预测更容易转化为货币），计量经济学文献[1]对波动性进行了深入研究。如文献[2,3]所示，波动率的统计数据并不一致。相反，这是一个明显的日结构，在市场开盘时波动性高，中午前后有一个更平静的时期。这似乎适用于全球所有的证券交易所。

此外，交易日开盘时的股价与前一交易日的收盘价基本不同，这表明存在着非同寻常的夜间动态。最后，已经反复证明，白天的动态与白天的动态在质量上是不同的[4-10]。对此提出了各种原因：o主要在某个外国市场上交易的外国股权（在研究市场的夜间开放）主要反映了其在隔夜波动中的活动，这种活动可能与所考虑的市场有所不同与基本股票价格评估相关的大部分新闻（公司业绩、就业率、一般经济计量预测、战争和自然灾害等）夜间发布[11]，新闻发布频率和波动率之间存在相关性[5,10]。o虽然市场可以在白天对外界的任何扰动做出反应，但在晚上却不能这样做，这也可能解释了开盘后立即出现更高的波动性[10]。由于经济研究主要是由实际应用的希望驱动的，因此上述大多数参考文献都与预测有关并不奇怪。普遍的共识似乎是，隔夜波动对于预测随后的日内波动非常有用[12–14]。这是一个重要的结果。但是预测涉及一个模型（GARCH[8,10]、SEMIFAR[8]或随机波动率模型（SVM）[6,7,9]的不同版本），上述引用的论文中没有一篇报告对原始数据本身进行了独立于模型的分析。

尽管数据分析不涉及任何模型，仅使用基本方法和最小假设，对于理解现象背后的基本机制最为有用，但情况仍然如此。这篇短文的目的就是提供这样一个初步的分析。所使用的方法将是完全基本的，只涉及（Spearman-[15]）互相关。然而，就重要性和稳健性而言，结果令人震惊，完全出乎意料。我们应该指出，最近[16]对日内和隔夜收益率和波动率进行了广泛的统计研究，但由于该分析没有任何理论考虑，因此忽略了下面描述的影响。让我们使用指数k来计算交易日（即跳过周末和其他非交易日），并表示BYOK和CK一个特定需求的开盘价和收盘价。该股票的日内对数收益定义为dk=lnckok，（1），而隔夜对数收益定义为arenk=lnokck-1.（2）所以隔夜收益率是由下一天的指数来索引的。如果是周末和节假日，“夜间”回报包括整个交易期间的所有变化。波动性原则上是确定的。1.MDAX指数的股票日内（a组）和隔夜（b组）收益的历史时间序列。通过在延长的时间跨度内观察到的日志返回的方差。但当在一个模糊的时间尺度上讨论它们时，它们通常会被对数回报的绝对值所取代（例如，参见[7]中的脚注11]）。

我们将遵循这个用法。我们研究的数据包括在不同证券交易所交易的21只股票（埃克森美孚、壳牌、通用电气、福特、戈德曼萨克斯、美国银行、花旗集团、IBM、微软、思科、AIG、BP、卡特彼勒和福特，全部在纽约证券交易所交易；西门子、德意志银行、汉莎航空、大众和拜耳在法兰克福交易；索尼和三菱在东京交易）以及10个市场指数和交易所交易基金（TecDax、MDax、DAX、道琼斯、标准普尔100指数、纳斯达克、欧洲斯托克50指数、SIM、标准普尔/ASX和PowerShares QQQ）。它们大部分是从雅虎下载的（https://fi-finance.Yahoo.com/），其余是从Finanzen下载的。网(http://www.菲南岑。net）。时间序列覆盖10.4到45年，数据点在2612到13478之间。在使用它们之前，我们清除了它们的一些工件（丢失数据、错误数据等等），但不是全部。例如，我们做了一件事。2.31种股票的数据。每个点对应一个权益。随后夜间日间波动和夜间波动之间的斯皮尔曼相关性绘制在x轴上，而与前夜的相关性绘制在y轴上。不删除因股票拆分而导致的跳转。清洗后，它们显示了之前分析中所熟知的典型特征，如厚尾、轮回中的短时间相关性和挥发性中的长时间相关性。典型示例见图1。请注意，这些数据仍然存在异常值（由于崩溃、糟糕的年度报告等原因，大多为负值）。负异常值主要出现在隔夜收益上，这与之前的观察一致，即负面消息主要在市场关闭时传播。波动率的长自相关在白天和夜间都可以看到。我们主要关注的是日间波动和隔夜波动之间的相互关系。

由于数据中的伪影、不规则性和强非平稳性，我们没有使用简单的皮尔逊系数。相反，我们使用了斯皮尔曼系数[15]。基于rankstatistics，这些被认为更加可靠。事实上，如果我们使用Pearson系数，下面显示的结果就不那么明显了。或者，我们也可以使用肯德尔的τ[17]或互惠信息[18]，这两种信息都具有类似的鲁棒性。我们的主要结果如图所示。在图2和图3中，我们显示了两种波动率| dk |和|nk |的等级Rdk和Rnko之间的两种相互关联：Cnd=hrdkrnki- hrdki·hrnkiσdσn（3）是日间波动率和前一晚波动率之间的秩相关（σ和σn是秩方差的平方根），其中，clecdn=hrdkrnk+1 | i- hrdki·hrnkiσdσn（4）图3。31种股票和指数的Cnd/CDD比率如图2所示。对于股票，颜色表示它们交易的证券交易所。给出了与第二天晚上类似的关联。我们在所有情况下都看到了Cnd>Cdn。（5） 对于一些股票来说，差异很小，但对于其他股票来说，差异可能不止两倍。只有一种情况违反了这种不平等。因此，隔夜波动率与次日波动率的相关性比前一天强得多。否则，隔夜波动似乎会强烈影响下一个交易日的情况，但似乎不会强烈影响前一天的情况[19]。图2所用股票的Cnd/CDD比率也绘制在图3中，我们在图3中也对等式进行了说明。图中的前10个条目是市场指标，而其他条目则对应于单个股票。我们看不出有什么大的差别，只是总的来说，这表明了一种更强的影响。

股票交易的地点、时间序列的长度以及（如果是个股）公司类型也没有明显差异。乍一看，这种强烈的不对称看起来非常奇怪，尤其是因为时间不对称通常被认为是非常弱的金融数据。许多流行的模型（最明显的是ARCH家族的所有模型）在构造上都是时间对称的，在时间不对称的地方[12,20]只能在非常特殊的观测中看到。但我们的发现确实与之前的分析相一致[3–10]：虽然日内价格动态主要受“图表主义者”行为的影响，但ZF动态主要受股市外部因素（或至少与所考虑的股票的日常价格演变没有直接关系）的影响，因此具有“原教旨主义”性质。我们的结果表明，“原教旨主义”信息在预测中比“图表主义”信息更有用。目前的分析当然不能具体说明哪些可能的外部影响（外国股市、公司业绩报告、有关就业率和预测经济增长等一般经济指标的新闻、战争、经济危机、自然灾害等）对夜间动态最为重要，但此类信息可能通过执行类似于presentone的更大规模研究获得，在该研究中，股票根据商业部门、证券交易所、交易量、牛市与熊市进行分组，等。我们的分析提出的另一个改进可能包括用偏相关或转移熵取代简单的互相关[21]，以这种方式测试线性或非线性Ranger因果关系[22]。

通过比较更遥远的夜晚和白天之间的白天/晚上/白天结果，可以发现本文中发现的不对称性在更大的时间尺度上是否也存在。最后，根据这一分析得出的后见之明，我们还可以求助于签署回报（与波动性形成对比），并测试一整天中的某些部分是否比其他部分对后期的影响更大。循环系统相空间中的不同区域具有不同的预测能力这一事实早已为人所知[23]。我们感谢Andreas Kl¨umper的讨论和仔细阅读手稿，感谢Jean-PhilippeBouchaud和Spyros Skouras的评论。感谢霍尔格·坎茨和彼得·富尔德的支持和讨论。P.G.感谢德里克·贝尔（Derek Belle）在工作早期的合作和阿米尔·什里姆（Amer Shreim）的讨论。[1] J.-P.Bouchaud和M.Potters，《金融风险和衍生产品定价理论：从统计物理学到风险管理》（剑桥大学出版社，剑桥英国，2003年）。[2] K.R.French和R.Roll，“股票回报差异：信息的传递和交易者的反应”，《金融经济学杂志》17，5-26（1986）。[3] L.J.Lockwood和S.C.Linn，“对隔夜和日间股票市场收益波动性的研究，1964-1989年”，《金融杂志》45591-601（1990年）。[4] K.Chan，M.Chockalingam和K.W.L.Lai，“夜间信息和日间交易行为：来自纽约证券交易所交叉上市股票及其本地市场信息的证据”，J.Multinat。财务管理10495509（2000）。[5] R.G.Edmonds和A.M.Kutan，“公共信息真的与解释资产回报无关吗？”，《经济学快报》bf 76223-229（2002）。[6] 钟志强，“夜间信息的可预测性”，论文和论文集。

文件46。http://ink.library.smu.edu.sg/etd-coll/46。[7] I.Tsiakas，“隔夜信息和随机波动性：对欧洲和美国证券交易所的研究”，《银行与金融杂志》32251-268（2008）。[8] 陈春晖、余文聪和E.齐沃特，“利用盘后信息预测股票波动性”，未出版（2009年）。[9] 李志强和王志强，“隔夜信息与随机波动性：亚洲股市研究”（中文），铭传大学硕士论文（2009）。[10] G.M.Gallo和B.Pacini，“早期消息是好消息：市场开放对市场波动性的影响”，非线性动力学和经济学研究2，115-131（1998）。[11] W.Del Corral，D.Colwell，D.Michayluk和L.A.Woo，“市场关闭时的新闻发布”，未出版，科技大学悉尼分校（2003年）。[12] P.Blanc，R，Chicheportiche和J.-P.Bouchaud，“波动性反馈的精细结构II：隔夜和日间效应”，Physica A 402，58（2014）。[13] N.Taylor，“时间分类波动率的预测价值：来自指数期货市场的证据，J.Forecast.27721（2008）。[14]R.Chicheportiche，“金融中的非线性依赖性”，博士论文，巴黎艺术与制造学院（2013）。[15] W.H.Press等人，《数字配方：科学计算的艺术》，第三版（剑桥大学出版社，2007年）。[16] 王菲、谢世杰、哈夫林和斯坦利，“隔夜和日间收益的统计分析”，Phys。牧师。E 79056109（2009）。[17] M.Kendall，“等级相关性的新度量”。Biometrika 30，8（1938）。[18] T.M.Cover和J.A.Thomas，《信息理论的要素》（John Wiley&Sons，2012）。[19] 请注意，在本文中[6]的标题是错误的。那篇论文关注的是隔夜信息对预测的有用性，而不是它的可预测性。[20] G.O。

Zumbach，“金融中的时间反转不变性”，Quant。财务9505（2009）。[21]T.Schreiber，“测量信息传输”，物理。牧师。莱特。85, 461464 (2000).[22]Lionel Barnett、Adam B.Barrett和Anil K.Seth，“格兰杰因果关系和转移熵对于高斯变量是等价的”，Phys。牧师。莱特。103, 238701(2009).[23]R.J.Deissler和J.D.Farmer，“确定性噪声放大器”，Physica D 55155（1992）。