[论文解读] Market Mill Dependence Pattern in the Stock Market: Distribution Geometry, Moments and Gaussization

Andrei Leonidov, Vladimir Trainin+2 more|ArXiv.org|Mar 13, 2006

Complex Systems and Time Series Analysis参考文献 26被引用 5

一句话总结

本文采用非参数方法分析连续日内股价变动（推动量 x 与响应量 y）的二元分布，发现随着推动量增大，条件响应分布逐渐趋于高斯分布（高斯化）。研究识别出非线性、异方差性及偏态依赖模式，且在 π/2 的倍数角度下表现出近似旋转对称性，同时条件波动率与推动量呈线性关系。

ABSTRACT

This paper continues a series of studies devoted to analysis of the bivariate probability distribution P(x,y) of two consecutive price increments x (push) and y (response) at intraday timescales for a group of stocks. Besides the asymmetry properties of P(x,y) such as Market Mill dependence patterns described in preceding paper [1], there are quite a few other interesting geometrical properties of this distribution discussed in the present paper, e.g. transformation of the shape of equiprobability lines upon growing distance from the origin of xy plane and approximate invariance of P(x,y) with respect to rotations at the multiples of $π/2$ around the origin of xy plane. The conditional probability distribution of response P(y|x) is found to be markedly non-gaussian at small magnitude of pushes and tending to more gauss-like behavior upon growing push magnitude. The volatility of P(y|,x) measured by the absolute value of the response shows linear dependence on the absolute value of the push, and the skewness of P(y|x) is shown to inherit a sign of the push. The conditional dynamics approach applied in this study is compared to regression models of AR-ARCH class.

研究动机与目标

• 研究连续日内股价变动（推动量 x 与响应量 y）的二元分布 P(x,y) 的几何与统计特性。
• 在标准独立同分布（IID）假设之外，理解金融时间序列中概率依赖模式的本质。
• 刻画不同推动量下条件分布 P(y|x) 及其矩（均值、方差、偏度、峰度）的特征。
• 将非参数研究结果与 AR-ARCH 和 GARCH 等参数模型进行比较，突出其在条件动态上的关键差异。
• 探讨这些模式对市场微观结构建模与收益可预测性的影响。

提出的方法

• 直接对一组股票日内收益的实证二元概率分布 P(x,y) 进行非参数分析。
• 在固定推动值 x 处考察条件分布 P(y|x)，以研究响应动态。
• 分析等概率等高线的形状及其在 xy 平面中远离原点时的变化。
• 研究 P(x,y) 在 π/2、π、3π/2 和 2π 角度下的旋转对称性特性。
• 测量不同推动量区间内 P(y|x) 的条件矩：均值、标准差（波动率）、偏度与峰度。
• 将观测到的条件动态与 AR(1)-GARCH(1,1) 及具有厚尾、偏态创新项的广义 GARCH 模型进行比较。

实验结果

研究问题

• RQ1 在 xy 平面中，随着距原点距离的增加，二元分布 P(x,y) 的形状如何演变？
• RQ2 P(x,y) 在绕原点旋转 π/2 后在多大程度上保持不变？
• RQ3 随着推动量 |x| 增大，条件分布 P(y|x) 的形态（特别是高斯性）如何变化？
• RQ4 P(y|x) 的条件波动率与偏度对推动量大小及符号 x 的函数依赖关系为何？
• RQ5 观测到的条件动态与标准 AR-ARCH 和 GARCH 模型所预测的动态相比如何？

主要发现

• P(x,y) 的等概率等高线在原点附近呈菱形，随距离增大逐渐趋近圆形。
• 条件分布 P(y|x) 展现出渐进高斯化：随着 |x| 增大，其形态越来越接近正态分布。
• 二元分布 P(x,y) 在绕原点旋转 π/2 的整数倍时表现出近似不变性。
• 给定 x 的 y 的条件波动率与 |x| 呈线性依赖关系，表明存在波动率微笑特征。
• P(y|x) 的偏度继承推动量 x 的符号，表明响应动态具有非对称性。
• 条件动态具有非线性、异方差性、非高斯性及符号依赖的偏度特征——这些特性未被标准 AR-ARCH 或 GARCH 模型捕捉。