論文の概要: Memory, Roughness, and Information Persistence in Financial Markets: A Structural Approach to Volatility Forecasting

• arxiv url: http://arxiv.org/abs/2605.24285v1
• Date: Fri, 22 May 2026 23:34:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:17.844803
• Title: Memory, Roughness, and Information Persistence in Financial Markets: A Structural Approach to Volatility Forecasting
• Title（参考訳）: 金融市場における記憶・粗さ・情報の持続性:ボラティリティ予測への構造的アプローチ
• Authors: Akash Deep, Nicholas Appiah, Svetlozar T. Rachev,
• Abstract要約: エクイティ・ボラティリティ・モデリングにおける長期記憶力学, 粗ボラティリティ挙動, および持続性に基づく予測機能の役割について検討する。 2001年11月から2026年4月までの115のS&P500構成成分のパネルを用いて、揮発性プロキシは相当な長期記憶挙動と局所的粗度ダイナミクスを示すことを報告した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper studies the joint role of long-memory dynamics,rough-volatility behavior, and persistence-based forecasting features in equity volatility modeling. We combine semiparametric long-memory estimation, rough-volatility diagnostics, and structured forecasting regressions to examine whether persistence measures contain economically meaningful forecasting information beyond conventional volatility predictors. Using a panel of 115 S&P500 constituents from November 2001 through April 2026, we document that volatility proxies exhibit substantial long-memory behavior and locally rough dynamics. The cross-sectional mean Geweke-Porter-Hudak estimate of the memory parameter is $\hat{d} = 0.226$, while the corresponding local-Whittle estimate is $\hat{d} = 0.440$, with statistical significance observed across nearly the entire panel. Rolling estimates of persistence rise substantially during the global financial crisis and the COVID period and display a positive contemporaneous association with the VIX. We then examine whether persistence-related features improve out-of-sample volatility forecasts beyond standard HAR and HAR-X benchmarks. Incorporating cross-sectional persistence aggregates, sectoral persistence measures, and persistence-by-stress interaction terms produces moderate but statistically significant forecasting improvements, particularly at longer horizons and during stress regimes. Forecast gains are strongest during periods of elevated market volatility and in volatility-managed portfolio applications. The results suggest that persistence measures may serve as useful reduced-form indicators of the duration and propagation of uncertainty in financial markets, although the paper does not claim structural identification of the economic mechanisms generating persistence.
• Abstract（参考訳）: 本稿では, 長期記憶力学, 粗ボラティリティ挙動, 持続性に基づくボラティリティモデリングにおける予測特性の連成的役割について検討する。 半パラメトリックな長期記憶推定,粗変動診断,構造化予測回帰を組み合わせ,従来のボラティリティ予測器を超える経済的に有意な予測情報を含むかどうかを検討する。 2001年11月から2026年4月までの115のS&P500構成成分のパネルを用いて、揮発性プロキシは相当な長期記憶挙動と局所的粗度ダイナミクスを示すことを報告した。 メモリパラメータの断面平均ゲヴェク・ポーター・フダック推定値は$\hat{d} = 0.226$であり、対応するローカル・ウィトル推定値は$\hat{d} = 0.440$であり、ほぼ全てのパネルで統計的に有意である。 世界的な金融危機や新型コロナウイルス(COVID-19)時代において、持続性のローリング推定は大幅に増加し、VIXと正の同時性を示す。 次に、持続性に関連した特徴が標準HARおよびHAR-Xベンチマークを超えて、サンプル外のボラティリティ予測を改善するかどうかを検討する。 断続的持続性集合、セクター的持続性尺度、永続性間相互作用の項を組み込むことは、特に長期の地平線やストレス状態において、穏健だが統計的に有意な予測改善をもたらす。 市場のボラティリティ(変動性)とボラティリティ(変動性)管理のポートフォリオアプリケーションにおいて、予測利回りが最も高い。 その結果,持続性対策は,持続性を生成する経済メカニズムの構造的同定を主張するものではないものの,金融市場の持続性と不確実性の伝播の指標として有用である可能性が示唆された。

関連論文リスト

• Reasoning through Verifiable Forecast Actions: Consistency-Grounded RL for Financial LLMs [34.87727677131385]
  本発表では、株価予測と財務的理由を検証可能な予測行動を通じて統合する、時系列のLLMであるStockR1を紹介する。 ツールコール設計に基づいて、モデルはまず、定性的市場展望の構造的かつ解釈可能な表現である予測アクションを出力する。 そこでは、回答の妥当性、予測精度、生成したアクション間の一貫性と観察された時系列のダイナミクスを共同で反映する。
  論文  参考訳（メタデータ） (2026-05-21T04:09:16Z)
• GARCH-FIS: A Hybrid Forecasting Model with Dynamic Volatility-Driven Parameter Adaptation [5.461112265573671]
  本稿では、ファジィ推論システム(FIS)と一般化自己回帰ヘテロスケダスティック性(GARCH)モデルを統合し、非線形力学と時間変動ボラティリティを併用する。 提案したGARCH-FISモデルは、予測精度と安定性の点でベンチマークモデルよりも大幅に優れている。
  論文  参考訳（メタデータ） (2026-03-16T03:50:00Z)
• A FEDformer-Based Hybrid Framework for Anomaly Detection and Risk Forecasting in Financial Time Series [0.8065001399110248]
  本研究では,金融時系列における異常検出とリスク予測のためのFEDformer-based Hybrid Frameworkを提案する。 周波数拡張分解変換器(FEDformer)と残差ベースの異常検出器とリスク予測ヘッドを統合している。 S&P 500, NASDAQ Composite, Brent Crude Oil データセット (2000-2024) を用いて行った実験は, ベンチマーク法よりも提案モデルの方が優れていることを示す。
  論文  参考訳（メタデータ） (2025-11-17T04:09:04Z)
• Methodological Insights into Structural Causal Modelling and Uncertainty-Aware Forecasting for Economic Indicators [4.9930207509018425]
  我々は、GDP、経済成長、インフレ、失業の4つの主要なマクロ経済指標に焦点を当てている。 以上の結果から、経済成長とGDPとの強い一方向因果関係が明らかとなった。 我々は、失業に関するゼロショット予測を行うために、時系列のために訓練された大きな言語モデルを使用する。
  論文  参考訳（メタデータ） (2025-09-08T04:52:12Z)
• TimeBridge: Non-Stationarity Matters for Long-term Time Series Forecasting [49.6208017412376]
  TimeBridgeは、非定常性と依存性モデリングの間のギャップを埋めるために設計された新しいフレームワークである。 TimeBridgeは、短期予測と長期予測の両方において、最先端のパフォーマンスを一貫して達成する。
  論文  参考訳（メタデータ） (2024-10-06T10:41:03Z)
• 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)
• DeepVol: Volatility Forecasting from High-Frequency Data with Dilated Causal Convolutions [53.37679435230207]
  本稿では,Dilated Causal Convolutionsに基づくDeepVolモデルを提案する。 実験結果から,提案手法は高頻度データからグローバルな特徴を効果的に学習できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-23T16:13:47Z)
• 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)

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。