1 / 47

Komplekse Systemer og Econofysik: Asymmetrier i Aktiemarkedet.

Komplekse Systemer og Econofysik: Asymmetrier i Aktiemarkedet. 25. oktober 2011, CFIR Mogens Høgh Jensen, Niels Bohr Institutet. 1 . Komplekse Systemer : Et ‘ nyt ’ forskningsfelt i fysikken fra 80’erne.. Kaos , fraktaler , turbulens :

beth
Download Presentation

Komplekse Systemer og Econofysik: Asymmetrier i Aktiemarkedet.

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Komplekse Systemer og Econofysik: Asymmetrier i Aktiemarkedet. 25. oktober 2011, CFIR Mogens Høgh Jensen, Niels Bohr Institutet

  2. 1. KomplekseSystemer: Et ‘nyt’ forskningsfelt i fysikkenfra 80’erne.. • Kaos, fraktaler, turbulens: Fundamentalekomplekse ‘metoder’. 3. Turbulens: kogende vand – kaos og laviner ! 4 Økonomi: Opfører sig somkogendevand ! 5 Vi studereraktiekursersomturbulens ! 6. Asymmetrii aktiemarkedet !

  3. Samarbejde: • Anders Johansen, NBI; Ingve Simonsen, Trondheim • Peter Ahlgren, Nykredit/NBI; Henrik Dahl, NBI/Nykredit • Kim Sneppen, NBI, • Raul Donangelo, Rio, Brazil • Felippo Petroni, Rome Publikationer: MHJ, ”Multiscaling and Structure Functions in Turbulence: An Alternative Approach, Phys.Rev.Lett. 83, 76 (1999). MHJ, A. Johansen and I. Simonsen, “Optimal Investment Horizons”, Eur. Jour. Phys B 27, 583 (2002) MHJ, A. Johansen and I. Simonsen, “Inverse Statistics in Economics: The gain-loss asymmetry”, Physica A 324, 338 (2003). MHJ, A. Johansen, F. Petroni and I. Simonsen, ”Inverse Statistics in the Foreign Exchange Market”, Physica A 340, 678 (2004). A. Johansen, MHJ and I. Simonsen, “Inverse Statistics for Stocks and Markets”, submitted (2005). R. Donangelo, MHJ, I. Simonsen and K. Sneppen, “Synchronization and Asymmetry in Stock Markets: The Consequences of Fear”, J. Stat. Mech. 11, L11001 (2006). P. Ahlgren, MHJ, I. Simonsen, R. Donangelo, K. Sneppen, “Frustration driven stock market dynamics: Leverage effect and asymmetry”, Physica A 383, 1-4 (2007).

  4. Niels Bohr Institutet ! Fysikkens Mekka .. Kaos og økonofysik ?

  5. Komplekse Systemer:Strange Attractors Lorenz attractor Ikke-periodisk bevægelse, stor afhængighed af begyndelses-betingerlserne

  6. The ’butterfly effect’ En sommerfugl der bevæger vingen over Brasilien kan udløse en tornado over Florida ! Muligt indenfor fysikkens love !! Måske ikke så sandsynligt !

  7. Fraktal Dimension: Ikke hel-tallig

  8. Norges kyst er en fraktal !

  9. Viskøse fingre: Vigtig for olieudvinding. Vand i olie Blæk på papir Fraktaler er skyld i oliekriser!

  10. Fraktal struktur Self-similær på alle skalaer !

  11. Bakterier kan vokse som fraktaler

  12. Atmosfæren er kaotisk og turbulent :

  13. Kogende vand !

  14. Kriser i økonomi, klima, etc - Også laviner i kogende vand ! Laviner har større sandsynlighed en vi troede ! Laviner !! Ikke Gaussiske teorier. Paradigme model: Per Bak’s sandbunke

  15. Komplekse netværks-skrukturer

  16. Proteiner i Gær ! Også ’fraktal’ strukturer

  17. Hvad påvirker hvad ?

  18. Hvad påvirker hvad ?

  19. Tids-serie fra turbulens model: Re u5 Re u14 Denne kan analyseres med ‘embedding’ metode: Fraktaler

  20. Hvilken slags fluktuationer får man i turbulens ? Ikke normal-fordelte !!

  21. Dow Jones Industrial Average With inflation Detrended (over 1000 days)

  22. Hvilken slags fluktuationer får man i finans ? Også ikke normal-fordelte !!

  23. Fluktuationer i turbulens er som i finans !

  24. Hvad er økonofysik ? • Startede for ca. 10-12 år siden • Fysikere brugte metoder fra komplekse systemers fysik • Store data mængder, lange tids-serier • Kaos-terorier • Fraktal teorier • Turbulens teorier • Statistik, korrelationer

  25. Børsens Investeringstillæg!

  26. Estimate differences in the DJIA: Inverse statistics (initially defined for turbulence): When does it for first time exceed predescribed level D :

  27. Inverse statisctis for ρ=0.05 Maximum: Optimal Investment horizon Power law tail Fit: generalized Gamma function:

  28. Positive ρ: Gevinster Negative ρ: Tab DJIA Note: Asymmetri mellem gevinst og tab

  29. DJIA

  30. SP500

  31. NASDAQ

  32. Inverse statistics for single stocks

  33. Inverse statistics for single stocks

  34. Averaged over many single stocks NOTE: No asymmetry

  35. How to explain the asymmetry in the market? • External events (wars, terror, earthquakes, hurricanes) introduces a fear factor in the market • Psychology of society/market: When stocks begin to fall they do it synchronously • Under up-trends stocks move more or less randomly

  36. The Fear Factor Model (FFM) For the log-price of a stock: • With prob. p : all stocks move downwards synchronously • With prob. 1-p : they do independentbiased random walks • With prob. q : move upward • With prob. 1-q : move downward • q determined from: • Requirement : si(t) is drift-less • p : fear factor • N : # of stocks in the index

  37. DJIA

  38. Model results NOTE the slight asymmetry Let us consider the probability that the DJIA index drops (m<0) or rises (m>0) several days (m)in a row (“mini crashes/rallies”) ~e 0.70m ~e-0.65m m=1 : 10% more likely to have a price drop than a price rise The model catch also this feature of the real market excellently!

  39. RenteresultaterDEM 10% ændring Op/ned = 45/100

  40. RenteresultaterDKK 10% ændring Op/ned = 35/74

More Related