[论文解读] Universality in the stock exchange

Rui Gonçalves, Alberto Pinto|ArXiv.org|Oct 14, 2008

Complex Systems and Time Series Analysis被引用 3

一句话总结

本文表明，标普100和道琼斯工业平均指数（DJIA30）成分股的每日价格波动无需拟合即可坍缩至普适的非参数Bramwell-Holdsworth-Pinton（BHP）概率密度函数。该结果揭示了金融市场中一种普遍的统计特征，类似于统计物理中的现象，暗示股票交易所行为中存在深层次的集体动力学。

ABSTRACT

We analyze the constituents stocks of the Dow Jones Industrial Average (DJIA30) and the Standard & Poor's 100 index (S&P100) of the NYSE stock exchange market. Surprisingly, we discover the data collapse of the histograms of the DJIA30 price fluctuations and of the S&P100 price fluctuations to the universal non-parametric Bramwell-Holdsworth-Pinton (BHP) distribution. Since the BHP probability density function appears in several other dissimilar phenomena, our result reveals an universal feature of the stock exchange market.

研究动机与目标

• 研究主要美国股票指数中股票价格波动的统计行为是否表现出普遍模式。
• 检验S&P100和DJIA30指数中个股波动是否遵循同一非参数概率分布。
• 确定在多种物理系统中观察到的Bramwell-Holdsworth-Pinton（BHP）分布是否也能描述金融市场动态。
• 检查通过时变均值和标准差对收益进行归一化后，数据是否能坍缩至BHP分布。

提出的方法

• 分别使用变换 $ S_i(t) = \big( \frac{Y_i(t+1) - Y_i(t)}{Y_i(t)} \big)^{2/3} $ 和 $ J_i(t) = \big( \frac{X_i(t+1) - X_i(t)}{X_i(t)} \big)^{2/3} $ 计算了S&P100和DJIA30中每只成分股的重标度日收益。
• 为每个指数计算了时变均值 $ \bar{\nu}_{SP}(t) $ 和标准差 $ \bar{\nu}_{SP}(t) $，以标准化重标度收益。
• 定义波动为 $ F_i^{SP}(t) = \frac{S_i(t) - \bar{\nu}_{SP}(t)}{\bar{\nu}_{SP}(t)} $ 和 $ F_i^{DJ}(t) = \frac{J_i(t) - \bar{\nu}_{DJ}(t)}{\bar{\nu}_{DJ}(t)} $，实现在时间上的归一化。
• 在半对数坐标下绘制归一化波动的直方图，并与非参数BHP概率密度函数直接比较，无需拟合。
• BHP分布源自二维XY模型中的自旋波近似，其公式中使用了邻接矩阵的特征值 $ \theta_k $。
• 分析覆盖了1987年1月至2008年9月共5470个交易日，确保在多种市场周期下具有统计稳健性。

实验结果

研究问题

• RQ1 S&P100和DJIA30指数成分股的价格波动是否坍缩至一个普适的概率分布？
• RQ2 在统计物理中已知的Bramwell-Holdsworth-Pinton（BHP）分布是否适用于金融市场波动？
• RQ3 BHP分布能否在不进行参数拟合的情况下描述归一化股票收益的经验分布？
• RQ4 所观察到的数据坍缩是否表明股票市场动态存在普遍的统计机制？

主要发现

• S&P100和DJIA30指数的归一化日收益直方图完美坍缩至普适的非参数BHP概率密度函数。
• 该坍缩无需任何拟合或参数调优，表明BHP分布是股票价格波动的自然统计描述。
• 此前在自旋模型、自组织临界性及离子体湍流等物理系统中观察到的BHP分布，同样刻画了金融市场波动。
• 该结果暗示金融市场集体行为中存在深刻的普适性，类似于统计物理中的临界现象。
• BHP概率密度函数的渐近行为——大负偏离时为指数型，大正偏离时为双指数型——与金融收益的厚尾特性相匹配。
• 采用收益的 $ 2/3 $ 次幂变换对实现数据坍缩至关重要，表明市场动态中存在内在的非线性标度特性。