Een team van biofysici van de Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) presenteert een wiskundig beknopte methode voor het vergelijken van verschillende prijsmodellen in hun laatste publicatie in Natuurcommunicatie . Hierdoor kunnen onderzoekers nauwkeuriger voorspellen hoe parameters zoals de volatiliteit van aandelenkoersen in de loop van de tijd veranderen.

De ups en downs van aandelenkoersen zijn het resultaat van een complexe wisselwerking tussen traditionele beleggers, daytraders en hoogfrequente hedgefondsen. De schijnbaar grillige prijsschommelingen op korte termijn kunnen worden gekenmerkt door een diffusieconstante, de zogenaamde volatiliteit. Echter, de volatiliteit zelf verandert aanzienlijk over langere tijdschalen. Bijvoorbeeld, onverwachte Twitter-aankondigingen kunnen abrupte volatiliteitspieken veroorzaken, terwijl veranderingen in het economisch beleid kunnen leiden tot geleidelijke variaties in de volatiliteit. Financiële analisten hebben notoir moeite om in te schatten hoe de volatiliteit in de loop van de tijd verandert en baseren hun voorspellingen vaak op ongefundeerde veronderstellingen.

In plaats van de onzekerheid van verschillende modelvoorspellingen analytisch te evalueren, Christoph Mark en collega's van de Biophysics-groep bij FAU ontwikkelden een numerieke implementatie van het principe van 'Occam's razor', die de voorkeur geeft aan die modellen die de gegevens beschrijven met het minste aantal aannames.

De onderzoekers gebruiken deze methode om aan te tonen dat de zogenaamde fat-tailed distributie van aandelenmarktrendementen (inclusief zeldzame maar dramatische gebeurtenissen zoals Black Friday en marktbubbels) op natuurlijke wijze voortkomt uit plotselinge volatiliteitsschommelingen. Bovendien, met hun methode kunnen ze de triggering-gebeurtenissen (zoals nieuwsaankondigingen) in realtime lokaliseren.

Volatiliteitsschommelingen of, meer in het algemeen, heterogene willekeurige wandelingen zijn niet exclusief voor financiering, echter, en beschrijf ook de bewegingen van invasieve kankercellen, de timing van ongevallen en rampen, en klimaatverandering. Hier, hun methode kan worden gebruikt om bijzonder invasieve cellen te identificeren, politieke maatregelen vast te stellen die ongevallen kunnen verminderen, of om verschillende klimaatmodellen te vergelijken om de opwarming van de aarde te voorspellen.