本报告提出了一种基于波let散射系数的无监督方法,对金融市场中的价格跳跃和跨股票同步跳跃(co-jumps)进行分类。鉴别出三个主要特征方向:波动率时间不对称性(反映跳跃的内生性或外生性)、均值回复性和趋势性,进而划分出六类价格跳跃(包括盼望型、内生型、外生型、均值回复型、趋势对齐型和趋势反向型)。研究发现大量跳跃特别是跨股票的co-jumps主要源自内生的传染机制而非新闻事件刺激,这一点由co-jumps大小呈幂律分布所支持,吻合临界分支过程的预测。该方法对原有基于新闻标签的监督分类进行了有力补充,揭示了市场价格跳跃更丰富的动态结构
共跳跃分类依据三大指标:
图1(p.1):295只美国股票8年数据的共跳跃分布图。横轴为共跳日期,纵轴为日内时间,圆点大小与颜色表示同一分钟内跳跃股票数。发现共跳大小存在极大分布,从散点密度和大小变化看出重大市场事件经常引发共跳。底部插图滚动窗口共跳数量体现周期性变化。此图强调金融市场共跳的高频、分布广泛的特征。
图2(p.3):合成跳跃示例展示6类跳跃特征(价格与对数收益),前三列根据波动率不对称性分为预期、内生、外生,后三列根据签名返回分析为均值回复、趋势反向、一致。视觉图强化了分类方法清晰区分跳跃特征的能力。
图3(p.3):复Battle-Lemarie小波滤波器时域及频域图。滤波器实部为偶函数,虚部为奇函数,有零均值。其结构支持对称性及非对称性信号特征捕获,基础性重要。
图4(p.4):基于PCA方向D₁对跳跃波动率绝对值曲线分组的平均曲线。展示了前置活动强(预期)过渡至后置活动主导(外生)之间的连续变化。验证了D₁作为时间非对称性度量的有效性。
图5(p.5):均值回复滤波器ψ_MR与趋势滤波器ψ_TR的结构示意,清晰表现两者形状差异与正交特性,为特征简化及捕捉跳跃短期动态提供工具。
图6(p.6):数据集跳跃在两种2D空间中的投影:
图7(p.6):不同均值回复评分区段内跳跃的平均返回曲线。低分区显示跳跃前趋势缓和,后跳跃呈反向,体现清晰均值回复行为。
图8(p.7):趋势得分区间内跳跃平均返回曲线。正负方向均存在,分别体现趋势一致及趋势相反跳跃,验证趋势指标有效区分动态模式。
图9(p.7):
图10(p.8):三个典型共跳跃在2D空间投影示例,以颜色区分股票。不同共跳表现为不同内生/外生分布,揭示共跳内部结构复杂。
图11(p.8):共跳跃中跳跃反射性得分平均值的时间序列,可视化共跳及其随时间动态。大型共跳多为外生,但也存在内生共跳。
图12(p.9):共跳跃最小反射性得分(内生性)与平均反射性得分(整体外生性)二维散点图。数据分布除对角象限外,重点关注LR象限,含混合内外生的共跳跃,最大共跳多位于该区域。
图13(p.12):用仿真数据验证D₁指标测量时间非对称性的能力。横轴为D₁,颜色表征理论不对称参数,左、右两侧为极端例子,显示投影与理论吻合。
图20(p.19):统计共跳跃内最内生和最外生跳跃的D₁分布,分布均呈较宽正态状,多样性显示共跳内部复杂性。
图23-24(p.21):共跳跃内部跳跃时间序列相关性分析与案例。
图25(p.22):真实跳跃实例,展示文中所有类别跳跃对应动态,验证分类结果的实际对应关系。
图26(p.22):文献[20]中不同跳跃时间非对称性拟合示例,作为无监督方法的对照。
本报告主要聚焦于跳跃事件的分类分析,未涉及具体公司的财务估值分析。其方法集中在时间序列特征提取和统计分类,而非利用DCF或估值倍数。故无具体估值方法讨论。
报告间接揭示的风险因素主要来自金融市场的内生-外生冲击动态:
报告未特别提出缓解策略,但强调透彻区分机制及动态理解为风险防范基础。
本报告通过一种创新的无监督方法,基于小波散射系数提取股票价格跳跃全过程的多尺度时间序列特征,实现了复杂价格跳跃的多维精细分类。其核心贡献包括:
总体而言,报告深化了对金融市场极端跳跃及同步跳跃的动态机制的理解,突出了内生性在市场风险生成和传递中的核心作用,对高频交易风险管理、市场稳定性监控及复杂系统动态分析均有重要参考意义。
2404.16467.pdf