[论文解读] Fractional calculus and continuous-time finance II: the waiting-time distribution

Francesco Mainardi, Marco Raberto+2 more|Fainansu|Jun 28, 2000

Complex Systems and Time Series Analysis被引用 5

一句话总结

本文提出一种具有 Mittag-Leffler 等待时间分布的连续时间随机游走（CTRW）模型，用于描述金融市场中的逐笔价格动态。利用分数阶微积分，推导出时间分数阶柯尔莫哥洛夫-福勒方程，表明等待时间的生存概率遵循 Mittag-Leffler 函数，该函数与 1997 年伦敦国际金融期货交易所（LIFFE）BUND 期货的实证数据高度吻合，尤其在中等到长时间间隔下表现优异，验证了该模型的非马尔可夫性与记忆依赖结构。

ABSTRACT

We complement the theory of tick-by-tick dynamics of financial markets based on a Continuous-Time Random Walk (CTRW) model recently proposed by Scalas et al., and we point out its consistency with the behaviour observed in the waiting-time distribution for BUND future prices traded at LIFFE, London.

研究动机与目标

• 通过引入非马尔可夫性、具有记忆依赖性的等待时间，将 CTRW 模型扩展至金融市场的逐笔价格动态。
• 利用 Caputo 导数与 Mittag-Leffler 函数，推导时间分数阶主方程，以描述非局部的时间演化过程。
• 将理论预测的 Mittag-Leffler 生存函数与 LIFFE BUND 期货的高频实证数据进行对比。
• 评估 CTRW 框架与金融市场中观测到的等待时间分布之间的一致性。
• 探讨基于随机交易到达时间的微观市场模型中，非马尔可夫动力学的含义。

提出的方法

• 利用分数阶微积分，为具有非局部、非马尔可夫动力学的 CTRW 构建广义主方程。
• 应用 Caputo 分数阶导数以建模时间演化，通过 Mittag-Leffler 函数实现记忆效应。
• 在等待时间生存函数 Ψ(τ) 为 Mittag-Leffler 函数的假设下，推导时间分数阶柯尔莫哥洛夫-福勒方程。
• 使用傅里叶-拉普拉斯变换求解主方程，推导出时间依赖的概率密度函数 p(x,t)。
• 基于 LIFFE BUND 期货（1997 年 6 月与 9 月合约）的高频数据，实证检验 Ψ(τ) 的预测 Mittag-Leffler 形式。
• 将 Mittag-Leffler 拟合结果与替代模型（如拉伸指数函数、幂律函数、有理函数与 Wright 函数）进行比较。

实验结果

研究问题

• RQ1 Mittag-Leffler 函数是否能准确描述金融市场的等待时间生存概率？
• RQ2 通过 Caputo 导数推导的时间分数阶主方程能否再现高频数据中观测到的等待时间分布？
• RQ3 具有重尾等待时间的 CTRW 模型与传统马尔可夫模型相比，在捕捉市场微观结构方面表现如何？
• RQ4 非马尔可夫动力学对基于随机市场订单到达时间的微观市场模型有何影响？
• RQ5 Mittag-Leffler 核是否为连接短时与长时等待时间行为的唯一或最优选择？

主要发现

• BUND 期货数据中等待时间的生存概率 Ψ(τ) 可由指数 β ≈ 0.95–0.96 的 Mittag-Leffler 函数良好描述。
• Mittag-Leffler 拟合在中等到长时间间隔下与实证数据高度一致，尤其在 1997 年 6 月与 9 月交割合约中表现优异。
• 该模型在中间与重尾区域显著优于拉伸指数函数与幂律函数的拟合效果。
• 在所测试的数据集中，有理函数与 Wright 函数的拟合效果弱于 Mittag-Leffler 函数。
• 时间分数阶柯尔莫哥洛夫-福勒方程成功捕捉了金融价格变化的非马尔可夫性与记忆依赖性动力学。
• 结果支持在具有长程依赖性与交易聚集特征的金融时间序列建模中使用分数阶微积分。