使用Twitter预测股票隐含波动率
摘要：使用随机森林预测股票收盘隐含波动率的次日动向。通过消融研究，我们研究了不同预测因子的有效性，并揭示了从Twitter提取的关注和情绪特征的价值。我们在一个包含165个最流动的美国股票的股票宇宙中进行了研究，这些股票涵盖了11个传统市场部门，使用了时间跨度超过六年的大样本外样本期间。在这样做的过程中，我们发现，某些部门的股票（如消费者自由裁量权、技术、房地产和公用事业）比其他部门的股票更容易预测。进一步的分析显示，这些差异的可能原因可能是由于过度的社交媒体关注或低期权流动性。最后，我们通过使用隐马尔可夫模型来识别暗含波动率中的四个潜在市场制度，探讨了我们提出的方法在时间上的表现。我们发现，在与较低的隐含波动率相关的制度中，增加的价值最大，但不同市场部门的最佳制度会有所变化。
作者：Thomas Dierckx, Jesse Davis, Wim Schoutens
论文ID：2301.00248
分类：Computational Finance
分类简称：q-fin.CP
提交时间：2023-01-03