市场超统计的普遍性
摘要：连续时间随机行走模型用于建模市场波动数据，包括交易者经历过度的亏损或过度的利润时期。本文通过解析导出了“超统计”模型，精确地描述了实际市场活动数据（由Bogachev, Ludescher, Tsallis和Bunde提供），并且该模型展示了转变点。我们测量了过度亏损和过度利润之间的事件间隔，并使用平均事件间隔作为控制变量，导出了一个统一的实际数据折叠描述。我们的超统计值是两个部分的加权和：（i）由下不完全伽玛函数校正的幂律，在渐近过程中趋向于稳健性，但初始时呈指数分布；（ii）由上不完全伽玛函数抑制的幂律，在短事件间隔内趋向于幂律。我们发现，驱动这两个部分的尺度形状指数屈居于一个“超尺度”结构之下。当部分（i）重现负反馈，部分（ii）重现了波动聚集的特点时，我们使用超统计来描述分层活动。我们的结果表明，过度利润和过度损失之间存在一种功能性（但不是字面上的）平衡，可以使用相同的超统计体系来描述，但参数校准值和驱动参数不同。
作者：Mateusz Denys, Maciej Jagielski, Tomasz Gubiec, Ryszard Kutner, H. Eugene Stanley
论文ID：1509.06315
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2016-10-12