Ett team av biofysiker från Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) presenterar en matematiskt koncis metod för att jämföra olika prismodeller i sin senaste publikation i Naturkommunikation . Detta gör det möjligt för forskare att mer exakt förutsäga hur parametrar som aktiekursernas volatilitet förändras över tiden.
Upp- och nedgångarna i aktiekurserna är resultatet av ett komplext samspel mellan traditionella investerare, daytraders och högfrekventa hedgefonder. De till synes oberäkneliga kortsiktiga prisfluktuationerna kan karakteriseras av en diffusionskonstant – kallad volatilitet. Dock, volatiliteten i sig förändras avsevärt över längre tidsskalor. Till exempel, oväntade Twitter-meddelanden kan utlösa plötsliga volatilitetstoppar, medan förändringar i den ekonomiska politiken kan inducera gradvisa variationer i volatiliteten. Finansanalytiker kämpar notoriskt för att uppskatta hur volatiliteten förändras över tid och bygger ofta sina förutsägelser på obefogade antaganden.
Istället för att utvärdera osäkerheten i olika modellförutsägelser analytiskt, Christoph Mark och kollegor från biofysikgruppen vid FAU utvecklade en numerisk implementering av principen om 'Occams rakkniv', som gynnar de modeller som beskriver data med minst antal antaganden.
Forskarna använder denna metod för att visa att den så kallade fettsvansade fördelningen av aktiemarknadsavkastning (inklusive sällsynta men dramatiska händelser som Black Fridays och marknadsbubblor) kommer naturligt från plötsliga volatilitetsfluktuationer. Dessutom, med sin metod kan de lokalisera de utlösande händelserna (som nyhetsmeddelanden) i realtid.
Volatilitetsfluktuationer eller, mer allmänt sett, heterogena slumpmässiga promenader är inte exklusiva för finansiering, dock, och beskriv också rörelserna hos invasiva cancerceller, tidpunkten för olyckor och katastrofer, och klimatförändringar. Här, deras metod kan användas för att identifiera särskilt invasiva celler, att fastställa politiska åtgärder som kan minska olyckor, eller att jämföra olika klimatmodeller för att förutsäga den globala uppvärmningen.
