通过市场过程重构建立股票市场模型

相似文件 换一批

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：
《Modeling stock markets through the reconstruction of market processes》
---
作者：
Jo\\~ao Pedro Rodrigues do Carmo
---
最新提交年份：
2018
---
英文摘要：
  There are two possible ways of interpreting the seemingly stochastic nature of financial markets: the Efficient Market Hypothesis (EMH) and a set of stylized facts that drive the behavior of the markets. We show evidence for some of the stylized facts such as memory-like phenomena in price volatility in the short term, a power-law behavior and non-linear dependencies on the returns.   Given this, we construct a model of the market using Markov chains. Then, we develop an algorithm that can be generalized for any N-symbol alphabet and K-length Markov chain. Using this tool, we are able to show that it\'s, at least, always better than a completely random model such as a Random Walk. The code is written in MATLAB and maintained in GitHub.
---
中文摘要：
有两种可能的方法可以解释金融市场看似随机的性质：有效市场假说（EMH）和一组驱动市场行为的程式化事实。我们展示了一些程式化事实的证据，例如短期内价格波动中的记忆现象、幂律行为和对回报的非线性依赖。有鉴于此，我们利用马尔可夫链构建了一个市场模型。然后，我们开发了一个可以推广到任何N符号字母表和K长度马尔可夫链的算法。使用这个工具，我们能够证明它至少总是优于完全随机的模型，比如随机行走。代码是用MATLAB编写的，并在GitHub中维护。
---
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
--
一级分类：Quantitative Finance        数量金融学
二级分类：Computational Finance        计算金融学
分类描述：Computational methods, including Monte Carlo, PDE, lattice and other numerical methods with applications to financial modeling
计算方法，包括蒙特卡罗，偏微分方程，格子和其他数值方法，并应用于金融建模
--

---
PDF下载：
--> Modeling_stock_markets_through_the_reconstruction_of_market_processes.pdf (1.22 MB)

2022-6-9 19:12:31 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：股票市场 股票市 Quantitative Applications Construction

MASTERECONOMICSFINAL MASTERS WorkissertationModeling STOCK Market THROUGH Rebuilding of Market Processes Jo~AO PEDRO RODRIGUES DO CARMOOCTOBER-2017年Master INECONOMICSFINAL MASTERS WorkissertationModeling STOCK Market THROUGH Rebuilding of Market Processes Jo~AO PEDRO RODRIGUES DO CARMOOCTOBER-2017年10月解释金融市场看似随机的性质：有效市场假说（EMH）和一组驱动市场行为的程式化行为。我们展示了一些类型化事实的证据，例如短期内价格波动中的记忆现象、幂律行为和对回报的非线性依赖。有鉴于此，我们利用马尔可夫链构建了一个市场模型。然后，我们开发了一种算法，可以推广到任何N-符号字母表和k-长度马尔可夫链。使用这个工具，我们能够证明它至少总是优于完全随机的模型，比如随机行走。代码用MATLAB编写，并在GitHub中维护。关键词：马尔可夫链、金融市场、流程重构、财务预测JEL代码：C63、G17II目录目录II确认iii1。导言12。金融市场的随机性62.1。市场随机游走72.2。随机游走作为马尔可夫链92.3。什么是马尔可夫链？112.4. 将市场建模为马尔可夫链112.5。预测下一个值132.6。计算误差142.7。使用N符号字母142.8。使用K长度马尔可夫链153。经验数据174。测试过程的平稳性185。重构流程245.1。

增加氮和钾285.2。反转马尔可夫编码过程296。转移矩阵的算法307。结论328。参考文献369。附录39IIIAKnowledgements首先，我想把这项工作献给我的父母，他们总是给我巨大的支持，如果没有这些，他们甚至是不可能的。我想向我的主管表示诚挚的感谢，感谢她在这项工作开展的整个过程中给予我难以置信的支持。我要感谢她把我推向了正确的方向，感谢她为我提供了一个令人兴奋的课题，感谢她对我的耐心。金融市场似乎是随机的，但有两种主要且不同的方法来解释这种属性。一方面，我们可以相信一系列关于市场及其行为的程式化事实，也就是说，一个经常是真实的实证发现。另一方面，我们可以相信有效市场假说（EMH），因为金融市场对可用信息的绝对了解，所以不可能击败金融市场。文献丰富，支持广泛分布在各个角度。我们可以指出一些关于金融资产的流行的程式化事实（Cont，2001），例如价格波动中存在类似记忆的现象、收益中的幂律行为、不同公司收益之间的相关性以及对收益的非线性依赖性。有效市场假说可以采用其三种变体之一的形式（Fama，EfficientCapital Markets:A Review of Theory and Experimental Work，1970）：弱、半强和强，但都同意这样的说法，即市场效率导致priceson交易的资产包含所有公开的过去信息。

因此，这些资产是以公允价值进行交易的，无论是通过资产低估、价格膨胀还是计时机制，都不可能利用市场缺陷。已经做出的工作有助于问题的两端，支持线性统计测试下市场的明显效率，以及从业者未能跑赢市场，同时为非线性预测方法提供了证据，以实现高于平均回报（Sewell，2012）。这一点以及程式化事实的存在似乎与金融市场缺乏结构相矛盾。事实上，我们可以将它们视为复杂系统，它们满足大多数（如果不是全部的话）要求的标准：记忆和反馈、非平稳性、大量具有适应和进化的交互主体，表现出极端行为——远离平衡，是一个单一的实现和环境的开放系统（Johnson、Jefferies和Hui，2003）。金融市场可以被视为一个复杂的适应系统的例子，当然也是已知的最复杂的结构之一，具有非常独特和独特的属性：它们的构建块——代理人——是智慧人。投资者反应迅速，总是在寻找最好的结果。为了获得比平均风险调整后回报更好的回报，代理尝试各种他们可以使用的工具。借用许多不同的学科，我们可以使用许多工具来研究复杂系统的结构，这些复杂系统的紧急行为不能单独归结为对其各个部分的研究。

传统上，这已应用于自然物理科学，但后来被许多领域所采用，如生物学、社会学，当然还有经济学。研究随机过程的可用工具之一是将底层动力学建模为马尔可夫链。这可以应用于马尔可夫过程，它是一种满足马尔可夫或无马尔可夫性质的随机过程。也就是说，未来的国家仅通过当前的国家来依赖历史（ofstates）（Serfozo，2009）。如果一个马尔可夫过程有一个离散的状态空间，它就变成了一个马尔可夫链。如果我们可以将时间描述为可数状态空间，那么连续过程也可以简化为马尔可夫链。对流程进行建模的目的不仅是描述其过去和了解其当前行为，而且也是为了尝试了解其未来可能的路径。可以说，只要市场存在，就有人试图击败它们。尽管套利、内部信息和其他方法可能对某些市场有效，但它们并不适用于金融市场，因为这些优势很容易解决，以至于可以认为实际上不存在。然后，人们必须尝试以不同的方式获得优势，例如，通过预测给定资产的未来价格，从而集中策略以实现利润。诚然，股票市场不符合当前价格走势与过去价格走势完全独立的标准，但这些影响可以说是如此之小，以至于对投资者没有用处（Malkiel，1973）。这一事实使得买入并持有策略毫无用处。

因此，人们可以支持随机游走假说（RWH），认为价格演变是由于不可预测的随机游走和有效市场假说一致。预测方法可以被描述为三大类中可能重叠的一类：基础分析、技术分析和数据挖掘技术。基本面分析关注股票的内在价值，研究内在价值，包括股票背后的公司业绩和整体经济。另一方面，技术分析或图表分析会评估市场统计数据，并试图识别数据中的模式。最后，数据挖掘技术借鉴了计算机的力量和其他领域的技术，如人工神经网络（ANN）和遗传算法（GA）。我们可以将complextheory中的工具包括在这个集合中，例如马尔可夫链模型。在1993年写给伯克希尔哈撒韦公司股东的信中，沃伦·巴菲特引用了美国经济学家本·格雷厄姆的话：“从短期来看，市场是一台投票机器——反映出选民登记测试只需要钱，而不需要智力或情感稳定性——但从长期来看，市场是一台令人敬畏的机器”（巴菲特，1993）。他的意思是，情绪控制短期，而公司的资产和利润控制长期。我们可以看到这样一个例子，推特情绪可以用来预测道琼斯工业平均指数（DJIA）收盘价的上涨和下跌，准确率为86.7%（Bollen、Mao和Zeng，2011）。

尽管短期非常不稳定，但长期遵循更稳定的路径，至少相比之下，更可预测。这项工作的信息和动机的主要来源是参考文献（Vilela Mendes、Lima和Araújo，2002）中提出的文件，其中作者根据市场波动制定了市场重建程序。他们得出结论，这是一个短记忆过程，有一个小的长记忆成分，这表明具有完全连接和可加衰减的链是一个合适的模型。我打算使用更多的数据点和改进的算法进一步验证他们的一些结果，改进的算法不仅应该是通用的，而且应该是现成的，易于适应不同的研究案例。更具体地说，我的主要贡献在于：1。确认以前的结果2。开发N符号和K长度Markovchains3的通用算法。根据预测收益率马尔科夫链预测实际价格，可以再现我们所知道的关于每日收益率序列的大多数程式化事实（Bulla&Bulla，2006）。它们被很好地用于更准确地捕捉风险资产的演变（Xi和Mamon，2011），研究交易股票的高频价格动态（D\'Amico和Petroni，2012），并预测信贷违约（Vojtekova，2013）。

在（Stadnik，2014）中，他们试图找到基于马尔可夫链的金融市场分布的适当数学描述，在（Xi，Peng，&Qin，2016）中，他们利用蒙特卡罗模型来估计金融时间序列中的杠杆效应。在这项工作中，我将提出一个通用算法来计算马尔可夫（或转移）矩阵，而不仅仅是在二维！“#$”%&就像在计算中只考虑前一天的情况一样，但也考虑到将产生马尔可夫张量的维数！“#$”%$（$）&与前几天的长度一样。该算法是在TLAB中编写的，存储并维护在一个在线公共存储库中，该存储库还提供版本控制（GitHub）。为了便于理解编写的代码，还对其进行了完整的文档记录。永久URL是：https://github.com/joaocarmo/market-reconstruction/The数据来源是从雅虎获得的历史价格！不同公司和指数的财务网站。这种选择允许任何愿意的人轻松地重新应用和改编当前的工作，因为数据源和代码都是无障碍提供的，并且是根据公众的需求提供的。我打算创建并提供一个易于重复应用的框架，并适应未来的工作，同时提供对先前研究的复制研究。将尽可能地将结果与参考文献中的结果进行比较（Vilela Mendes、Lima和Araújo，2002）。

这项工作并没有复制那篇论文的所有结果，这里的一些结果以前也没有尝试过。在接下来的章节中，我将简要介绍金融市场的随机性和马尔可夫链的基本知识，详细描述实现的算法和获得的结果。金融市场的随机性多年来，许多经济学家、数学家甚至物理学家一直对金融市场行为的开发和测试模型感兴趣。尽管他们取得了进步，但实际的市场从业者主要使用两种可用的预测股价的方法之一：图表理论和内在价值分析。图表理论基于这样一个假设，即股票价格的历史中存在可以分析的价格模式。识别过去的这些模式可以识别未来可能发生的情况。陶氏理论就是这种方法的一个例子（Malkiel，1973）。另一方面，内在价值分析假设股票总是具有内在价值或均衡价格，这取决于公司本身和整个经济。通过研究股票周围的微观和宏观经济变量，分析师可以推断出股票的价格与其内在价值的差异有多大。这两种方法都受到（Fama，《股票市场价格随机游动》，1965年）的质疑，没有学术相关性。其他理论，如随机游动理论，从经验证据中得到了更有力的支持。这是一种价格按照随机游走的方式演变的理论，这种随机游走导致预测尝试无效。

随机游走是一个随机过程，它描述了一条由一系列随机步骤通过数学关系构成的路径，其中下一个值取决于前一个值。许多随机游动都有相应的马尔可夫链表示。2.1. 随机游走的市场RWH是一种流行的理论，指出股市价格无法预测，因此无法根据随机游走进行演变。这是EMH的一个后果，即未来价格无法根据过去的表现进行预测。换句话说，它具有马尔可夫性或无记忆性，任何满足马尔可夫性的时间序列也是一个马尔可夫过程。因此，我们可以说随机游动是马尔可夫过程的一个例子。这个想法最初是在（Bachelier，1900）提出的。我们可以按照以下规则构造一个简单的一维随机游走来模拟股票市场：1。每天，价格都由一枚硬币决定。硬币是无偏的，所以正面和反面的概率是相等的。如果是人头，价格会上涨一个第四单元。如果是尾部，价格会下降一个单位+&可能是头晕目眩和+&翻转尾巴的概率，我们有+！，&。+！&/01,+!,&2+!&.3价格演变由式（1）给出。45.6457#238 9:;-<457#=38 >;“？<（1）我们可以看到预期值为constant@AB.+!,&!457#23&2+!&!457#=3&.457#实际值仅围绕起始值4c来回循环。