Detecting Financial Bubbles in a High Frequency Setup Using Neural Networks
Author
Mikkelsen, Jonas Svejstrup
Term
4. term
Education
Publication year
2022
Pages
42
Abstract
This thesis investigates whether neural networks can detect financial bubbles in a continuous-time, high-frequency setting with market microstructure noise. Building on martingale-based bubble theory that requires knowledge of the functional form of the spot variance, we first construct pointwise estimators of the spot variance from high-frequency prices and then train feedforward neural networks to nonparametrically learn the mapping from price to spot variance. The learned function is used to assess whether a price process is a bubble. We validate both the spot variance estimator and the network approach in simulation and apply them to intraday data for the S&P 500 ETF (SPY). In simulations, the method identifies bubbles, but on real SPY data it does not flag any dates as bubbles; nevertheless, the dates closest to the bubble criterion largely coincide with known bubble periods (housing and dot-com episodes). Finally, a simple shorting strategy guided by the method outperformed a buy-and-hold benchmark over the same period.
Dette speciale undersøger, om neurale netværk kan opdage finansielle bobler i et kontinuertids, højfrekvent setup med mikrostrukturstøj. Med udgangspunkt i martingalbaseret bobleteori, der kræver kendskab til den funktionelle form af øjebliksvariansen, konstruerer vi først punktvise estimater af øjebliksvariansen fra højfrekvente priser og træner derefter fremadrettede neurale netværk til ikke-parametrisk at lære afbildningen fra pris til øjebliksvarians. Den lærte funktion bruges til at vurdere, om en prisproces er en boble. Vi validerer både øjebliksvarians-estimatoren og netværksmetoden i simuleringer og anvender dem på intradagsdata for S&P 500 ETF'en SPY. I simuleringer identificerer metoden bobler, men på rigtige SPY-data markerer den ingen datoer som bobler; dog falder de datoer, der ligger tættest på boblekriteriet, i høj grad sammen med kendte bobleperioder (bolig- og dot-com-boblen). Endelig overpræsterede en simpel shorting-strategi baseret på metoden en buy-and-hold-benchmark over samme periode.
[This apstract has been generated with the help of AI directly from the project full text]