論文の概要: Modeling Regime Structure and Informational Drivers of Stock Market Volatility via the Financial Chaos Index

• arxiv url: http://arxiv.org/abs/2504.18958v1
• Date: Sat, 26 Apr 2025 15:48:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.066403
• Title: Modeling Regime Structure and Informational Drivers of Stock Market Volatility via the Financial Chaos Index
• Title（参考訳）: 金融カオス指標による株式市場ボラティリティのレジーム構造と情報化要因のモデル化
• Authors: Masoud Ataei,
• Abstract要約: 本稿では、金融カオス指標による株式市場のボラティリティの構造動態について考察する。 我々は、低カオス、中間カオス、高カオスの3つの異なる市場体制を特定し、それぞれ異なるレベルのシステム的ストレスを特徴とする。 マクロ経済、金融、政策、地政学の不確実性の変化は、政権全体でのボラティリティのダイナミクスに強い予測力を示します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper investigates the structural dynamics of stock market volatility through the Financial Chaos Index, a tensor- and eigenvalue-based measure designed to capture realized volatility via mutual fluctuations among asset prices. Motivated by empirical evidence of regime-dependent volatility behavior and perceptual time dilation during financial crises, we develop a regime-switching framework based on the Modified Lognormal Power-Law distribution. Analysis of the FCIX from January 1990 to December 2023 identifies three distinct market regimes, low-chaos, intermediate-chaos, and high-chaos, each characterized by differing levels of systemic stress, statistical dispersion and persistence characteristics. Building upon the segmented regime structure, we further examine the informational forces that shape forward-looking market expectations. Using sentiment-based predictors derived from the Equity Market Volatility tracker, we employ an elastic net regression model to forecast implied volatility, as proxied by the VIX index. Our findings indicate that shifts in macroeconomic, financial, policy, and geopolitical uncertainty exhibit strong predictive power for volatility dynamics across regimes. Together, these results offer a unified empirical perspective on how systemic uncertainty governs both the realized evolution of financial markets and the anticipatory behavior embedded in implied volatility measures.
• Abstract（参考訳）: 本稿では、資産価格間の相互変動を通じて実現されたボラティリティを捉えるためのテンソルおよび固有値に基づく指標であるFinancial Chaos Indexを通して、株式市場のボラティリティの構造動態を考察する。 金融危機時の状態依存的ボラティリティ行動と知覚的時間拡張の実証的証拠により、我々は、修正された対数正規パワーロー分布に基づく体制変更フレームワークを開発する。 1990年1月から2023年12月までのFCIXの分析では、低カオス、中間カオス、高カオスの3つの異なる市場体制を識別している。 セグメンテーション構造を基盤として、市場期待を前方に形成する情報力をさらに検討する。 感情ベース予測器はEquity Marketのボラティリティ・トラッカーから導かれるので,VIX指数によって予測されるインプリッド・ボラティリティの予測に弾性ネット回帰モデルを用いる。 その結果、マクロ経済、金融、政策、地政学の不確実性の変化は、政権全体でのボラティリティのダイナミクスに強い予測力を示すことが示唆された。 これらの結果は、金融市場の現実的な発展と、刺激されたボラティリティ対策に埋め込まれた予測行動の両方を、システム的不確実性がどのように支配するかに関する統一的な実証的視点を提供する。

関連論文リスト

• Bayesian Robust Financial Trading with Adversarial Synthetic Market Data [15.993346478707686]
  アルゴリズムトレーディングは、トレーディング決定を行うための機械学習モデルに依存している。 インサンプルのパフォーマンスは高いが、これらのモデルは、進化する現実世界の市場体制に直面すると劣化することが多い。 本稿では,マクロ条件付き生成モデルとロバストなポリシー学習を統合したベイズロバストフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-14T13:15:46Z)
• Conditional Adversarial Fragility in Financial Machine Learning under Macroeconomic Stress [0.0]
  逆境の脆弱性は、逆境の脆弱性がマクロ経済的なストレスの期間に体系的に増幅される規則に依存する現象である。 我々は、金融機械学習における敵意の堅牢性は、体制に依存した資産であり、リスク評価を高リスクでモデル化するためのストレス対応アプローチを動機付けていることを示す。
  論文  参考訳（メタデータ） (2025-12-22T23:44:39Z)
• Multivariate Forecasting of Bitcoin Volatility with Gradient Boosting: Deterministic, Probabilistic, and Feature Importance Perspectives [1.8352113484137627]
  本研究は,Bitcoinが実現したボラティリティの確定的および確率的予測に,光グラディエントブースティングマシン(LGBM)モデルの適用について検討した。 本稿では,LGBMに基づくモデルの性能評価を行い,それとエコノメトリと機械学習のベースラインを比較した。
  論文  参考訳（メタデータ） (2025-11-25T09:26:13Z)
• Robust Reinforcement Learning in Finance: Modeling Market Impact with Elliptic Uncertainty Sets [57.179679246370114]
  金融分野では、強化学習(RL)エージェントは、価格に影響を与えない歴史的データに基づいて訓練されることが多い。 展開中、これらのエージェントは、自身の取引が資産価格を変えることができるライブマーケットで取引する。 従来のロバストなRLアプローチは、不確実性の集合に対して最悪のパフォーマンスを最適化することで、このモデルの誤特定に対処する。 楕円型不確実性集合の新たなクラスを開発し,効率的かつ堅牢な政策評価を可能にする。
  論文  参考訳（メタデータ） (2025-10-22T18:22:25Z)
• Dynamic Factor Analysis of Price Movements in the Philippine Stock Exchange [1.8622306859401163]
  本研究は,ストック価格のダイナミクスを理解するための代替フレームワークとして,抽出された負荷および共通要因の分析に焦点をあてる。 その結果、フィリピン証券取引所に適用された伝統的な市場理論に関する新たな洞察が明らかになった。 フィリピンの国内総生産(GDP)の伸び率を計上するためのモデルの適用は、抽出された共通要因の可能性をリアルタイム市場指標として示している。
  論文  参考訳（メタデータ） (2025-10-08T06:07:28Z)
• The Sound of Risk: A Multimodal Physics-Informed Acoustic Model for Forecasting Market Volatility and Enhancing Market Interpretability [45.501025964025075]
  本稿では,財務リスク評価のための新たな枠組みを提案する。 我々は1,795件の収支コールのデータセットを用いて、スクリプトによるプレゼンテーションと自発的なQ&A交換の動的変化をキャプチャする機能を構築した。 我々の重要な発見は、予測能力の顕著なばらつきを明らかにしている: マルチモーダルな特徴は、方向性の株価リターンを予測しないが、30日間に実現されたボラティリティにおけるサンプル外変動の最大43.8%を説明できる。
  論文  参考訳（メタデータ） (2025-08-26T03:51:03Z)
• From Bias to Behavior: Learning Bull-Bear Market Dynamics with Contrastive Modeling [13.039189005779534]
  本稿では、投資家主導の市場ダイナミクスにおけるブル・ベア体制の可能性について考察する。 本稿では,時間的価格列と外部コンテキスト信号を共有潜在空間に埋め込む統合フレームワークであるB4(Bias to Behavior from Bull-Bear Dynamics Model)を提案する。 我々のモデルは市場のトレンドを予測する上で優れたパフォーマンスを実現し、バイアスや投資家の行動、市場のダイナミクスの相互作用に関する解釈可能な洞察を提供する。
  論文  参考訳（メタデータ） (2025-07-12T11:36:26Z)
• CSPO: Cross-Market Synergistic Stock Price Movement Forecasting with Pseudo-volatility Optimization [14.241290261347281]
  Pseudo-volatility Optimization (CSPO)によるクロスマーケット・シナジーの枠組みを紹介する。 CSPOは、外部の未来の知識を活用するために効果的なディープ・ニューラル・アーキテクチャを実装している。 CSPOは、ストック固有の予測信頼性をモデル化するために擬似ボラティリティを取り入れている。
  論文  参考訳（メタデータ） (2025-03-26T18:58:15Z)
• STORM: A Spatio-Temporal Factor Model Based on Dual Vector Quantized Variational Autoencoders for Financial Trading [55.02735046724146]
  金融取引では、ファクターモデルが資産の価格設定や過大なリターンの獲得に広く利用されている。 双対ベクトル量子化変分オートエンコーダを用いた時空間ファクトラーモデルSTORMを提案する。 ストームは時間的および空間的な視点からストックの特徴を抽出し、これらの特徴を微細で意味的なレベルで融合し整列させ、その要素を多次元の埋め込みとして表現する。
  論文  参考訳（メタデータ） (2024-12-12T17:15:49Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Predicting Risk-adjusted Returns using an Asset Independent Regime-switching Model [0.0]
  隠れマルコフモデルに基づくリスク調整されたリターン予測のために,アセットクラスに依存しないレギュラースイッチングモデルを構築した。 約20年間の日次金融市場の変化を分析し,リスク調整リターン予測の指標について検討した。
  論文  参考訳（メタデータ） (2021-07-07T10:23:59Z)
• A Sentiment Analysis Approach to the Prediction of Market Volatility [62.997667081978825]
  金融ニュースとツイートから抽出された感情とFTSE100の動きの関係を調べました。 ニュース見出しから得られた感情は、市場のリターンを予測するシグナルとして使われる可能性があるが、ボラティリティには当てはまらない。 我々は,新たな情報の到着に応じて,市場の変動を予測するための正確な分類器を開発した。
  論文  参考訳（メタデータ） (2020-12-10T01:15:48Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)
• Empirical Study of Market Impact Conditional on Order-Flow Imbalance [0.0]
  署名された注文フローに対して,注文フローの不均衡の増加に伴い,価格への影響は線形に増大することを示す。 さらに,注文フローにサインされた市場への影響を予測するために,機械学習アルゴリズムを実装した。 この結果から,機械学習モデルを用いて財務変数を推定できることが示唆された。
  論文  参考訳（メタデータ） (2020-04-17T14:58:29Z)
• Predictive intraday correlations in stable and volatile market environments: Evidence from deep learning [2.741266294612776]
  我々は、S&P500株間のラタグ相関を学習・活用するためにディープラーニングを適用し、安定市場と不安定市場のモデル行動を比較する。 以上の結果から,アキュラシーは有意でありながら,予測地平線が短いほど低下することが示唆された。 ポートフォリオマネージャのための調査ツールとしての現代金融理論と作業の適用性について論じる。
  論文  参考訳（メタデータ） (2020-02-24T17:19:54Z)
• Gaussian process imputation of multiple financial series [71.08576457371433]
  金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。 金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
  論文  参考訳（メタデータ） (2020-02-11T19:18:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。