Quantum Bohmian-Inspired Potential to Model Non–Gaussian Time Series and Its Application in Financial Markets
Notice bibliographique
Résumé
We have implemented quantum modeling mainly based on Bohmian mechanics to study time series that contain strong coupling between their events. Compared to time series with normal densities, such time series are associated with rare events. Hence, employing Gaussian statistics drastically underestimates the occurrence of their rare events. The central objective of this study was to investigate the effects of rare events in the probability densities of time series from the point of view of quantum measurements. For this purpose, we first model the non-Gaussian behavior of time series using the multifractal random walk (MRW) approach. Then, we examine the role of the key parameter of MRW, λ, which controls the degree of non-Gaussianity, in quantum potentials derived for time series. Our Bohmian quantum analysis shows that the derived potential takes some negative values in high frequencies (its mean values), then substantially increases, and the value drops again for rare events. Thus, rare events can generate a potential barrier in the high-frequency region of the quantum potential, and the effect of such a barrier becomes prominent when the system transverses it. Finally, as an example of applying the quantum potential beyond the microscopic world, we compute quantum potentials for the S&P financial market time series to verify the presence of rare events in the non-Gaussian densities and demonstrate deviation from the Gaussian case.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».