[论文解读] Scale-free avalanche dynamics in the stock market

M. Bartolozzi, Derek B. Leinweber+1 more|RePEc: Research Papers in Economics|Jan 22, 2006

Complex Systems and Time Series Analysis被引用 4

一句话总结

本研究利用多尺度小波滤波，从股指收益率中分离出级联动力学，探究金融市场的自组织临界性（SOC）。研究发现级联事件的大小、持续时间及层流时间均呈现稳健的幂律分布，表明其具有无标度特性，暗示此类动力学或为市场指数的典型特征，尽管时间相关性对经典SOC模型构成挑战。

ABSTRACT

Self-organized criticality has been claimed to play an important role in many natural and social systems. In the present work we empirically investigate the relevance of this theory to stock-market dynamics. Avalanches in stock-market indices are identified using a multi-scale wavelet-filtering analysis designed to remove Gaussian noise from the index. Here new methods are developed to identify the optimal filtering parameters which maximize the noise removal. The filtered time series is reconstructed and compared with the original time series. A statistical analysis of both high-frequency Nasdaq E-mini Futures and daily Dow Jones data is performed. The results of this new analysis confirm earlier results revealing a robust power law behaviour in the probability distribution function of the sizes, duration and laminar times between avalanches. This power law behavior holds the potential to be established as a stylized fact of stock market indices in general. While the memory process, implied by the power law distribution of the laminar times, is not consistent with classical models for self-organized criticality, we note that a power-law distribution of the laminar times cannot be used to rule out self-organized critical behaviour.

研究动机与目标

• 通过分析类似级联的波动，确定自组织临界性（SOC）是否构成股票市场动态的基础。
• 开发并优化一种多尺度小波滤波方法，以分离高斯噪声与一致的市场级联事件。
• 检验级联事件的统计特性——包括大小、持续时间与层流时间——是否遵循幂律，这是SOC的典型特征。
• 评估所观测到的层流时间幂律分布是否与经典SOC模型矛盾，或支持一种修正的SOC框架。
• 确定无标度级联动力学是否可被视为金融市场指数的一种典型事实。

提出的方法

• 对纳斯达克E-迷你期货（NQ）和道琼斯（DJ）指数的对数收益率应用多尺度小波变换，将市场动态分解为特定尺度的分量。
• 开发一种自适应滤波程序，通过最小化残余非高斯波动来优化噪声去除，同时保留一致的级联事件。
• 将级联事件定义为滤波后收益率序列中高波动性的连贯时期，通过残差信号中的阈值确定。
• 级联大小（V）计算为每个连贯事件期间平方波动的积分；持续时间（D）为每个事件的时间跨度；层流时间（L）为连续事件之间的间隔。
• 对V、D和L的概率密度函数（PDF）进行统计分析，以检验幂律标度。
• 基于最小化滤波后收益率分布的峰度来选择最优滤波参数，确保有效抑制噪声，同时保留非高斯动力学。

实验结果

研究问题

• RQ1 股票市场指数是否表现出与自组织临界性一致的无标度级联动力学？
• RQ2 基于小波的滤波能否有效从高频和日频数据中分离出一致的市场级联事件与高斯噪声？
• RQ3 级联事件的大小、持续时间与层流时间的统计分布是否在不同市场指数和时间尺度下均呈现幂律？
• RQ4 层流时间的幂律分布如何挑战或支持经典SOC模型（后者预测指数分布）？
• RQ5 在具有记忆性或非随机驱动因素的系统中，层流时间的观测幂律行为能否与SOC理论相协调？

主要发现

• 滤波后的时间序列成功去除了高斯噪声，同时保留了连贯的级联动力学，表现为峰度降低及与幂律的拟合改善。
• NQ与DJ指数的级联事件大小（V）的概率密度函数（PDF）均呈现幂律分布，幂律指数分别为γ ≈ -2.4和γ ≈ -1.9。
• 级联持续时间（D）的PDF也表现出幂律标度，幂律指数分别为γ ≈ -4.2（NQ）和γ ≈ -3.5（DJ）。
• 级联事件之间的层流时间（L）呈现幂律分布，幂律指数分别为γ ≈ -2.1（NQ）和γ ≈ -2.3（DJ），表明触发过程存在时间相关性。
• 层流时间的幂律分布与经典SOC模型（预测指数分布）相矛盾，提示市场驱动中存在记忆过程。
• 尽管存在此差异，但大小与持续时间中幂律的持续存在，支持股票市场可能处于近似SOC状态的可能性，其驱动机制或源于混沌或耗散过程。