基于基本面、技术以及外部因素的股票价格极端事件检测与预测
摘要：股市的孤立大幅波动是由基本参数、技术设置和外部因素的变化引起的。这些大幅波动被称为极端事件（EE）。EE可以是正面的或负面的，取决于这些因素的影响。在此类事件中，股价时间序列被认为是非平稳的。因此，使用Hilbert-Huang变换（HHT）根据其高瞬时能量（IE）集中程度来识别EE。分析表明，在正面和负面EE中，股价的IE集中程度非常高，其中$IE>E\_{mu}+4sigma$，其中$E\_{mu}$和$sigma$分别是能量的平均值和标准差。此外，支持向量回归被用于预测EE期间的股价，其中收盘价是比开盘-最高-最低-收盘价（OHLC）输入更有帮助的输入。使用收盘价和OHLC价格进行一步预测的最大预测准确度分别为95.98%和95.64%。而对于两步预测，准确度分别为94.09%和93.58%。从预测的时间序列中找到的EE显示出与原始数据得到的类似的统计特征。分析强调了监测导致EE的因素对于引人注目的入场或出场策略的重要性，因为投资者可能因为这些事件而获得或失去大量资金。
作者：Anish Rai, Salam Rabindrajit Luwang, Md Nurujjaman, Chittaranjan Hens, Pratyay Kuila and Kanish Debnath
论文ID：2206.13860
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2023-08-09