Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > econ > arXiv:2305.05762

帮助 | 高级搜索

经济学 > 一般经济学

arXiv:2305.05762 (econ)
[提交于 2023年5月9日 ]

标题: 股票市场表现的谱分析方法

标题: A spectral approach to stock market performance

Authors:Ignacio Escanuela Romana, Clara Escanuela Nieves
摘要: 我们提出了股票市场表现的估计和可预测性问题。选取了三个案例:美国、日本和德国,使用的是经合组织数据中的股票实现投资价值、价格加上股息支付额的月度指数。 一旦经过消胀和去趋势处理后,应用谐波分析。这些序列既包括有外生冲击证据的时期也包括没有外生冲击证据的时期。这些序列是波动的,随机漫步假设被合理地证伪。 估计结果显示存在相关的重要隐藏周期性,这些周期性近似于股票价值的变动。 从2008年7月开始,成功分析了随后的股价下跌是否可以预测。同样,数据是不规则且分散的,但前五个谐波的相关总和预示了随后的股市价值下跌。
摘要: We pose the estimation and predictability of stock market performance. Three cases are taken: US, Japan, Germany, the monthly index of the value of realized investment in stocks, prices plus the value of dividend payments (OECD data). Once deflated and trend removed, harmonic analysis is applied. The series are taken with and without the periods with evidence of exogenous shocks. The series are erratic and the random walk hypothesis is reasonably falsified. The estimation reveals relevant hidden periodicities, which approximate stock value movements. From July 2008 onwards, it is successfully analyzed whether the subsequent fall in share value would have been predictable. Again, the data are irregular and scattered, but the sum of the first five harmonics in relevance anticipates the fall in stock market values that followed.
评论: 26页,13幅图
主题: 一般经济学 (econ.GN)
引用方式: arXiv:2305.05762 [econ.GN]
  (或者 arXiv:2305.05762v1 [econ.GN] 对于此版本)
  https://doi.org/10.48550/arXiv.2305.05762
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ignacio Escanuela Romana [查看电子邮件]
[v1] 星期二, 2023 年 5 月 9 日 20:42:05 UTC (1,077 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
econ.GN
< 上一篇   |   下一篇 >
新的 | 最近的 | 2023-05
切换浏览方式为:
econ
q-fin
q-fin.EC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号