×
李江成;陈涛;李海峰

利用经济物理学和贝叶斯方法对金融市场进行动态预测和流动性评估。 （英语） Zbl 07483652号

物理A 588，文章ID 126546，16 p.（2022）.
摘要：在复杂的金融系统中，经济物理学的宏观和微观演化模型对资产价格的预测性能如何？针对这个问题，我们从机器学习的角度，基于经济物理学和贝叶斯方法，研究了金融市场的动态预测和流动性评估。基于我们提出的经济物理宏观和微观演化模型的似然估计和贝叶斯估计方法，我们建立了八种动态预测方法。结合机器学习思想和实际数据，对所提八种方法的样本外动态预测分析进行了实证研究和仿真，并与基准GARCH模型进行了比较。引入了各种损失函数、卓越预测能力测试（SPA）、Akaike和贝叶斯信息准则（AIC和BIC）方法，以进一步评估我们提出的方法的预测性能。样本外预测研究表明：（1）仅对样本收益采用贝叶斯方法的简化随机模型方法具有最佳的预测性能；（2） 仅对回报样本采用贝叶斯方法的随机模型方法的预测性能最差。对于流动性评估问题，所提出的八种方法评估的交易概率与实际换手率之间存在很强的相关性，流动性的增加对应于资产风险的增加。换句话说，它表明所有提出的方法都能很好地评估市场流动性。

引用于1文件

MSC公司：

82至XX 统计力学，物质结构

关键词：

经济物理学;基于agent的模型;流动性风险评估;机器学习思维;微观演化模型

软件：

贝叶斯DA;GenSA公司
PDF格式BibTeX公司 XML格式引用
\textit｛J.-C.Li｝等人，Physica A 588，文章ID 126546，第16页（2022；Zbl 07483652）
全文： 内政部

参考文献：

[1] 阿贝格尔，F。；青山，H。；查克拉巴蒂，B.K。；Chakraborti，A。；Deo，N。；雷纳，D。；Vodenska，I.，《经济物理学和社会物理学：近期进展和未来方向》（2017），斯普林格国际出版公司·Zbl 1380.91008号
[2] Mantegna，R.N。；Stanley，H.E.，《经济物理学导论：金融中的相关性和复杂性》（2000），剑桥大学出版社·Zbl 1138.91300号
[3] Mccauley，J.L.，《市场动力学：经济物理学和金融》，第11卷，pgs。105-114 (2004) ·Zbl 1052.91002号
[4] 冯·L。；Li，B。；波多布尼克，B。；Preis，T。；Stanley，H.E.，《基于代理的模型与金融市场随机模型的链接》，Proc。国家。阿卡德。科学。美国，109，22，8388-8393（2012）·Zbl 1355.91084号
[5] 格林·V。；Revilla，E。；美国伯杰。；杰利奇，F。；Mooij，W.M。；Railsback，S。；Thulke，H。；韦纳，J。；威根，T。；DeAngelis，D.，《基于主体的复杂系统的面向模式建模：生态学的教训》，《科学》，310，5750，987-991（2005）
[6] 陈，S。；Venkatachalam，R.，《基于代理的建模作为大数据的基础》，J.Econ。Methodol.方法。，24, 4, 362-383 (2017)
[7] 舒尔茨，J。；B.穆勒。；Groeneveld，J。；Grimm，V.，《基于代理的社会生态系统建模：成就、挑战和前进之路》，Jasss-J.Artif。Soc.Soc.仿真。，20, 2, 8 (2017)
[8] Lan，K。；Yao，Y.，《集成生命周期评估和基于代理的建模：可持续农业系统的动态建模框架》，J.Cleaner Prod.，238117853（2019）
[9] 陈，T.-T。；Zheng，B。；李毅。；蒋晓峰，复杂金融系统基于主体建模的新方法，前沿。物理。，12, 6, 128905 (2017)
[10] 崔，T。；Bai，R。；丁·S。；帕克斯，A。；曲，R。；He，F。；Li，J.，资产价格不确定的两阶段随机投资组合优化模型的混合组合方法，软计算。，24, 4, 2809-2831 (2020)
[11] Bollerslev，T。；Chou，R。；Kroner，K.，《金融中的Arch建模——理论和实证综述》，《计量经济学杂志》，52，1-2，5-59（1992）·Zbl 0825.90057号
[12] Scott Hacker，R。；Hatemi-J*，A.，多元ARCH效应的检验，应用。经济。莱特。，12, 7, 411-417 (2005)
[13] 拉穆勒克斯，C。；Lastrapes，W.，《方差的持久性、结构变化和Garch模型》，J.Bus。经济。统计人员。，8, 2, 225-234 (1990)
[14] 周，W。；钟国勇。；冷，N。；Li，J.-C。；Xiong，D.-P.，金融市场崩溃率的动态行为和测量，Physica A，527，Article 121427 pp.（2019）·Zbl 07568364号
[15] 钟国勇。；李海峰。；Li，J.-C。；梅博士。；唐，N.-S。；Long，C.，《公司财务的相干与反相干共振》，混沌孤子分形，118376-385（2019）·Zbl 1442.91115号
[16] 钟国勇。；Li，J.-C。；蒋国杰。；李海峰。；Tao，H.-M.，《用贝叶斯方法抑制羊群行为的时滞》，《物理学A》，507335-346（2018）·Zbl 1514.91109号
[17] 斯帕格诺洛，B。；Valenti，D.，金融市场模型中波动对逃逸时间的影响，《国际分叉混沌》，18，09，2775-2786（2008）·Zbl 1157.91347号
[18] Bonanno，G。；瓦伦蒂，D。；Spagnolo，B.，随机波动市场模型中噪声的作用，欧洲物理学会。J.B，53，3，405-409（2006）·Zbl 1189.91113号
[19] Bonanno，G。；瓦伦蒂，D。；Spagnolo，B.，随机波动系统中的平均逃逸时间，Phys。E版，75，1，第016106条，pp.（2007）
[20] 瓦伦蒂，D。；斯帕格诺洛，B。；Bonanno，G.，《金融市场中的冲击时间分布》，《物理A》，382，1，311-320（2007）
[21] Bonanno，G。；Spagnolo，B.，《股市的逃亡时间》，Fluct。噪声Lett。，5、02、L325-L330（2005）
[22] 瓦伦蒂，D。；法齐奥，G。；Spagnolo，B.，《金融市场波动的稳定效应》，Phys。版本E，97，6，第062307条pp.（2018）
[23] Bertella，硕士。；Pires，F.R。；冯·L。；Stanley，H.E.，《信心与股市：基于代理的方法》，《公共科学图书馆·综合》，9，1，文章e83488 pp.（2014）
[24] 陈，T.-T。；郑，B。；李毅。；蒋晓峰，复杂金融系统基于主体建模的新方法，前沿。物理。，12, 6, 1-12 (2017)
[25] Schinckus，C.，《基于代理的建模和经济复杂性：多元化视角》，J.Asian Bus。经济。螺柱（2019）
[26] Mantegna，R.N。；Spagnolo，B.，周期波动亚稳系统中停留时间的概率分布，国际分岔混沌，8，04，783-790（1998）·Zbl 0936.82037号
[27] Fiasconaro，A。；瓦伦蒂，D。；Spagnolo，B.，初始条件对静态和波动电位中逃逸时间增强的作用，Physica A，325，1-2136-143（2003）·Zbl 1023.82511号
[28] 皮佐拉托，N。；Fiasconaro，A。；阿多诺，D.P。；Spagnolo，B.，《聚合物移位中的共振激活：振荡场驱动分子逃逸动力学的新见解》，Phys。生物学，7，3，第034001条pp.（2010）
[29] 瓜切罗，C。；瓦伦蒂，D。；Carollo，A。；Spagnolo，B.，Lévy噪声对长约瑟夫森结中正弦-戈登孤子动力学的影响，J.Stat.Mech。理论实验，2016，5，第054012条pp.（2016）·Zbl 1456.82942号
[30] 卡罗洛，A。；斯帕格诺洛，B。；瓦伦蒂，D.，耗散相变中的乌尔曼曲率，科学。代表，8，1，9852（2018）
[31] 德纳罗，G。；瓦伦蒂，D。；La Cognata，A。；斯帕格诺洛，B。；Bonanno，A。；巴西龙，G。；马佐拉，S。；Zgozi，S。；Aronica，S。；Brunet，C.，《地中海深层叶绿素最大值的时空行为：微微浮游植物动力学随机模型的开发》，Ecol。复杂。，2013年3月13日至21日
[32] Giuffrida，A。；瓦伦蒂，D。；齐诺，G。；斯帕格诺洛，B。；Panebianco，A.，预测单增李斯特菌在传统西西里香肠发酵过程中行为的随机种间竞争模型，《欧洲食品研究技术》。，228, 5, 767-775 (2009)
[33] 米哈伊洛夫，A。；格里亚兹诺夫，E。；贝洛夫，A。；科洛列夫，D。；沙拉波夫，A。；古塞诺夫，D。；Tetelbaum，D。；蒂霍夫，S。；北马列霍诺娃。；Bobrov，A.，记忆纳米材料中的场和辐射诱导现象，Phys。Status Solidi C，13，10-12，870-881（2016）
[34] 罗，Y。；Zeng，C.，摩擦波动引起的负摩擦和迁移率，混沌，30，5，第053115页，（2020）
[35] 罗，Y。；曾，C。；Ai，B.-Q.，在周期性底物电势Phys中，强电荷引起的负迁移率。版本E，102，4，第042114条pp.（2020）
[36] 邓，F。；罗，Y。；方，Y。；杨，F。；Zeng，C.，温度和摩擦诱导的可调谐电流反转，反常迁移率和扩散，混沌孤子分形，147，第110959页，（2021）
[37] 方，Y。；罗，Y。；马，Z。；Zeng，C.，交叉相关噪声驱动的Schweitzer-Ebeling-Tilch模型中的传输和扩散，Physica A，564，文章125503 pp.（2021）·Zbl 07459767号
[38] Zhang，Y。；魏毅。；Zhang，Y。；Jin，D.，预测油价波动：预测组合与收缩方法，能源经济学。，80, 423-433 (2019)
[39] Zhang，Y。；马，F。；Wang，T。；Liu，L.，样本外波动率预测：一种新的混合频率方法，J.Forecast。，38, 7, 669-680 (2019)
[40] Braione，M。；Scholtes，N.K.，不同分布假设下的预测价值-风险，计量经济学，4，1，3（2016）
[41] Bayer，S.，《使用惩罚分位数回归组合价值与风险预测》，《计量经济学》。统计，856-77（2018）
[42] H.H.Takada，S.X.Azevedo，J.M.Stern，C.O.Ribeiro，使用熵预测比特币每日风险条件价值。收录于：《多学科数字出版研究所学报》，第33卷，第7页。
[43] 托森，E。；Seknowna，L.L.，具有异方差的条件值风险的Bootstrapping非参数预测区间，J.Probab。统计，2019（2019）·兹比尔1431.62205
[44] 戈什，B。；Kenourgios，D。；弗朗西斯，A。；Bhattacharyya，S.，对数周期幂律在新兴股市中的作用如何？，申请。经济。莱特。，28, 14, 1174-1180 (2021)
[45] 陈，J。；Hong，H。；Stein，J.，《预测崩溃：交易量、过去回报和股票价格的条件偏斜》，J.Financ。经济。，61, 3, 345-381 (2001)
[46] Daniel，K。；T.J.莫斯科维茨，J.Financ，Momentum crashes。经济。，122, 2, 221-247 (2016)
[47] 安徒生，T。；Bollerslev，T。；Diebold，F。；Labys，P.，《已实现波动率建模与预测》，《计量经济学》，第71、2、579-625页（2003年）·Zbl 1142.91712号
[48] Sun，S。；魏毅。；Tsui，K。；Wang，S.，用机器学习和互联网搜索索引预测游客人数，Tour。管理。，70, 1-10 (2019)
[49] 冷，N。；Li，J.-C.，《基于经济物理学和贝叶斯方法的原油价格预测》，《物理学A》，第124663条，pp.（2020）·Zbl 07528409号
[50] Yu，W.，CSI300指数期货波动率预测模型，J.Manage。科学。中国（2010年）
[51] 魏毅。；王，Y。；黄，D.，《预测原油市场波动：使用GARCH类模型的进一步证据》，《能源经济》。，32, 6, 1477-1484 (2010)
[52] Hansen，P.，《卓越预测能力测试》，J.Bus。经济。统计人员。，23, 4, 365-380 (2005)
[53] 约翰森，S。；Juselius，K.，《关于协整的最大似然估计和推断——货币需求的应用》，牛津公牛出版社。经济。Stat.，52，2，169-210（1990）
[54] L.Excoffier，M.Slatkin，二倍体群体中分子单倍型频率的最大似然估计，Mol.Biol。演变。，12 (5) 921-927.
[55] Beerli，P。；Felsenstein，J.，使用合并方法对迁移矩阵和n个子种群中有效种群大小的最大似然估计，Proc。国家。阿卡德。科学。美国，98，8，4563-4568（2001）·Zbl 0993.62096号
[56] 彭，J。；李，L。；Tang，Y.，基于最大似然估计的联合稀疏表示在高光谱遥感图像分类中的应用，Ieee Trans。神经网络。学习。系统。，30, 6, 1790-1802 (2018)
[57] Guess，F.M.，《贝叶斯统计：原理、模型和应用》，453-454（2010）
[58] 布鲁克斯，S。；Gelman，A。；琼斯·G。；孟晓乐，《马尔可夫链蒙特卡罗手册》（2011），中国轨道交通出版社·Zbl 1218.65001号
[59] Ryosuke，北。；Naoki，M.，贝叶斯更新和确认偏差下的集体意见形成模型，物理学。E版，第87、6条，第062123页（2013年）
[60] Goldstein，M.，《计算机模拟器模拟的复杂物理系统的贝叶斯线性分析》（2017）
[61] 胡伊，B。；沙阿，N。；Beutel，A。；Gunnemann，S。；Akoglu，L。；库马尔，M。；Makhija，D。；Faloutsos，C.，BIRDNEST：分级缺陷检测的贝叶斯推断，计算。科学。(2016)
[62] Gonzales，R。；阿兰达，P。；蒙迪扎巴尔，J。；Konieczny，J.，微观金融区域影响的贝叶斯空间倾向得分匹配评估，Rev.Econ。分析。(2018)
[63] Ying，S。；张杰。；曾磊。；史J。；Wu，L.，利用广义速率方程对生物转化动力学模型进行BayesIan推断，科学。Total Environ.公司。，590-591, 287-296 (2017)
[64] 艾茨，A。；Vandekerckhove，J.，《心理学贝叶斯推理导论》，《心理学》。牛市。版次：25、1、5-34（2018）
[65] 安徒生，T。；Bollerslev，T。；Diebold，F。；Labys，P.，《已实现汇率波动的分布》，J.Amer。统计师。协会，96，453，42-55（2001）·Zbl 1015.62107号
[66] Andersen，T.G。；Teräsvirta，T.，实现的波动性，（《金融时间序列手册》（2009年），施普林格-柏林-海德堡：施普林格-柏林-海德堡-柏林，海德堡），555-575·Zbl 1178.91216号
[67] 安徒生，T。；Bollerslev，T。；Diebold，F。；Labys，P.，《已实现波动率建模与预测》，《计量经济学》，第71、2、579-625页（2003年）·Zbl 1142.91712号
[68] 钟国勇。；He，F。；Li，J.-C。；梅，D.-C。；Tang，N.-S.，金融市场的一致性共鸣和效率，《物理A》，534，第122327条，pp.（2019）·Zbl 07570712号
[69] Xing，D.-Z。；李海峰。；Li，J.-C。；Long，C.，通过一个新的非线性潜在GARCH模型预测金融市场崩溃的价格，Physica a，566，文章125649 pp.（2020）·Zbl 1527.91127号
[70] 南卡罗来纳州古比亚。；Xiang，Y。；苏奥米拉，B。；Hoeng，J.，高效全局优化的广义模拟退火：R的GenSA包，R J.（2012）
[71] Tsallis，C。；Stariolo，D.A.，广义模拟退火，Physica A，2331395-406（1996）
[72] Gelman，A。；Rubin，D.B.，《使用多序列的迭代模拟推断》，统计。科学。，7, 4, 457-472 (1992) ·Zbl 1386.65060号
[73] Fearn，T。；Gelman，A。；Carlin，J.B。；斯特恩，H.S。；Rubin，D.B.，贝叶斯伊恩数据分析，生物统计学，52，3，1160（1996）
[74] 布鲁克斯，S。；Gelman，A.，监测迭代模拟收敛性的一般方法，J.Comput。图表。统计人员。，7, 4, 434-455 (1998)
[75] White，H.，《数据窥探的现实检验》，《计量经济学》，68，5，1097-1126（2000）·Zbl 1008.62116号
[76] Akaike，H.，统计模型识别的新视角，IEEE Trans。自动化。控制，19，6，716-723（1974）·Zbl 0314.62039号
[77] Schwarz，G.，估算模型的维数，Ann.Statist。，6, 2, 461-464 (1978) ·Zbl 0379.62005年
[78] 米勒，F.P。；Vandome，A.F。；Mcbrewster，J。；Hirotsugu，H.S.，Akaike Information Criterion（2014），John Wiley&Sons，Ltd
[79] Nylund，K.L。；阿斯帕鲁霍夫，T。；Muthen，B.，《确定潜在类分析和增长混合建模中的类数：蒙特卡罗模拟研究》。，结构。埃克。型号。，14, 4, 535-569 (2007)
[80] 洪，J。；李，M。；Liu，H.，通过详细的GARCH模型估算能源商品的价值风险，能源经济。，30, 3, 1173-1191 (2008)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。