Uma equipe de biofísicos da Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) apresenta um método matematicamente conciso para comparar diferentes modelos de preços em sua última publicação em Nature Communications . Isso permite que os pesquisadores prevejam com mais precisão como parâmetros como a volatilidade dos preços das ações mudam ao longo do tempo.
Os altos e baixos dos preços das ações são o resultado de uma interação complexa entre os investidores tradicionais, day-traders e fundos de hedge de alta frequência. As flutuações de preço de curto prazo aparentemente erráticas podem ser caracterizadas por uma constante de difusão - chamada volatilidade. Contudo, a própria volatilidade muda significativamente em escalas de tempo mais longas. Por exemplo, anúncios inesperados no Twitter podem desencadear picos abruptos de volatilidade, enquanto as mudanças na política econômica podem induzir variações graduais de volatilidade. Os analistas financeiros notoriamente lutam para estimar como a volatilidade muda ao longo do tempo e muitas vezes baseiam suas previsões em suposições não comprovadas.
Em vez de avaliar a incerteza de diferentes previsões de modelo analiticamente, Christoph Mark e colegas do grupo de Biofísica da FAU desenvolveram uma implementação numérica do princípio da 'navalha de Occam', o que favorece os modelos que descrevem os dados com o menor número de suposições.
Os pesquisadores usam esse método para mostrar que a chamada distribuição fat-tail dos retornos do mercado de ações (incluindo eventos raros, mas dramáticos, como Black Fridays e bolhas do mercado) emerge naturalmente de flutuações repentinas de volatilidade. Além disso, com seu método, eles podem localizar os eventos desencadeadores (como anúncios de notícias) em tempo real.
Flutuações de volatilidade ou, de um modo mais geral, passeios aleatórios heterogêneos não são exclusivos das finanças, Contudo, e também descreve os movimentos das células cancerosas invasivas, o momento de acidentes e desastres, e mudanças climáticas. Aqui, seu método pode ser usado para identificar células particularmente invasivas, para determinar medidas políticas que podem reduzir acidentes, ou para comparar diferentes modelos climáticos para prever o aquecimento global.
