Data for: Trends, Reversion, and Critical Phenomena in Financial Markets
Notice bibliographique
Résumé
These data accompany the publication "Trends, Reversion, and Critical Phenomena in Financial Markets". They contain daily data from Jan 1992 to Dec 2019 on 24 financial markets, namely - 6 equity indices: S&P 500, TSE 60, DAX 30, FTSE 100, Nikkei 225, Hang Seng - 6 Interest rates for government bonds: US 10-year, Canada 10-year, Germany 10-year, UK 10-year, Japan 10-year, Australia 3-year - 6 FX rates: CAD/USD, EUR/USD, GBP/USD, JPY/USD, AUD/USD, NZD/USD - 6 Commodities: Crude Oil, Natural Gas, Gold, Copper, Soybeans, Live Cattle The data are provided in 13 columns: - Column 1: date - Column 2: market - Column 3: daily log return of futures on that market, normalized to have mean 0 and standard deviation 1 over the 28-year time period - Columns 4-13: trend strengths in that market over 10 different time horizons of (2,4,8,16,32,64,128,256,512,1024) business days. The trend strengths are defined in the accompanying paper. They are cut off at plus/minus 2.5. The daily log returns were computed from daily futures prices, rolled 5 days prior to first notice, which were taken from Bloomberg. The following mean returns and volatilites were used to normalize the daily log returns in column 3: Market Mean St. Dev. S&P 500 2.217% 1.100% TSE 60 2.416% 1.067% DAX 30 1.199% 1.366% FTSE 100 1.053% 1.103% Nikkei 225 -0.483% 1.486% Hang Seng 0.768% 1.674% US 10-year 3.734% 0.366% Can. 10-year 3.637% 0.376% Ger. 10-year 4.141% 0.337% UK 10-year 2.983% 0.419% Jap. 10-year 4.453% 0.249% Aus. 3-year 3.029% 0.074% CAD/USD 0.048% 0.479% EUR/USD -0.222% 0.619% GBP/USD 0.316% 0.597% JPY/USD -0.761% 0.667% AUD/USD 0.851% 0.725% NZD/USD 1.563% 0.724% Crude Oil 0.093% 2.243% Natural Gas -2.649% 2.985% Gold 0.580% 0.987% Copper 0.936% 1.586% Soybeans 0.631% 1.360% Live Cattle 0.483% 0.894%
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,008 | 0,015 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».