DOI: https://doi.org/10.1186/s40854-025-00836-2
تاريخ النشر: 2026-01-20
المؤلف: Hongjian Xiao وآخرون
الموضوع الرئيسي: الأنظمة المعقدة وتحليل السلاسل الزمنية
نظرة عامة
تستكشف هذه الدراسة التعقيد الديناميكي للأسواق المالية، وخاصة فيما يتعلق بالتغيرات الهيكلية خلال الفترات المستقرة وفترات الأزمات. من خلال رسم تشابه بين تقلبات أسعار السوق ومؤشرات الضغط الفسيولوجي، تستخدم الدراسة تحليل التعقيد الهيكلي من خلال انتروبيا العينة الأحادية والمتعددة المتغيرات لتقييم مستويات الضغط المالي عبر مؤشرات وأسهم مختلفة من 1991 إلى 2021. تم تقديم إطار رسومي جديد يعتمد على نظرية الكوارث لتصور حساسية الأصول الفردية تجاه الأزمات المالية، مما يكشف أن الأزمات المختلفة تستدعي استجابات أداء متنوعة عبر الصناعات والأسهم الفردية.
تؤكد النتائج فعالية أساليب الديناميات غير الخطية، وخاصة انتروبيا المتغيرات المتعددة، في قياس الضغط المالي وفهم التعقيدات الهيكلية لمؤشرات الاقتصاد. تسلط الدراسة الضوء على قوة الأدوات المالية المتفاوتة خلال الأزمات مثل فقاعة الإنترنت، وأزمة الرهن العقاري الثانوي، وجائحة COVID-19. بينما تنتهي التحليل في عام 2021، فإنه يضع سياقًا لملاءمته من خلال الإشارة إلى التطورات اللاحقة في الأسواق المالية، بما في ذلك الضغوط التضخمية والتقدم التكنولوجي في التكنولوجيا المالية. يعترف المؤلفون بالقيود المتعلقة بمجموعة البيانات ويقترحون أن الأبحاث المستقبلية يجب أن توسع الإطار ليشمل بيانات الوقت الحقيقي ونطاقًا أوسع من الأصول المالية، خاصة في ضوء التحولات المستمرة في السوق والشكوك الجيوسياسية.
مقدمة
تستكشف مقدمة هذه الورقة البحثية التعقيد الهيكلي لأسواق الأسهم كمؤشرات للصحة المالية والاستقرار الاقتصادي. تسلط الضوء على استخدام تقنيات مثل تقليل الضوضاء وانتروبيا التبديل لكشف الأنماط الحتمية داخل الأنظمة المالية، مميزة السلوكيات الفوضوية عن التقلبات العشوائية. تفترض فرضية السوق الفعالة (EMH) أن أسعار الأصول تعكس جميع المعلومات المتاحة، مما يؤدي إلى عشوائية عالية في الظروف العادية، بينما تؤدي الأزمات الاقتصادية إلى سلوكيات غير عقلانية تقلل من العشوائية وتزيد من الحتمية. ترسم الورقة أوجه التشابه بين الضغط المالي والاستجابات الفسيولوجية، مقترحة أن المفاهيم من الأنظمة البيولوجية يمكن أن تعزز تقييم المخاطر وإدارتها في السياقات المالية.
تستخدم الدراسة علم التعقيد ونظرية الكوارث لتحليل البيانات التاريخية من مؤشرات الأسهم المختلفة والأسهم الفردية على مدى 31 عامًا. من خلال دمج مقاييس الانتروبيا مع مخططات الكوارث، تهدف البحث إلى تصور الضغط المالي النظامي ومقارنة آثار الأزمات المختلفة، بما في ذلك جائحة COVID-19 وأزمة 2008 المالية. يوفر هذا الإطار المبتكر رؤى حول تطور الأزمات المالية ويقدم أدوات عملية لصانعي السياسات لمراقبة وتقليل تقلبات السوق بشكل فعال. تم هيكلة الورقة لتشمل مراجعة الأدبيات، تفاصيل منهجية، نظرة عامة على البيانات، تحليل النتائج، ومناقشة حول تطبيقات نظرية الكوارث في المالية.
الطرق
في هذا القسم، يحدد المؤلفون المنهجيات المستخدمة لتحليل مؤشرات مالية مختلفة والسلع على مدى فترة 31 عامًا من 1 يناير 1991 إلى 31 ديسمبر 2021. تركز الدراسة على عدة مؤشرات رئيسية، بما في ذلك متوسط داو جونز الصناعي (DJIA)، ومؤشر ناسداك المركب، ورسل 2000، ومؤشر ستاندرد آند بورز 500، وأسعار المعادن مثل الذهب والفضة والنحاس والبلاتين. يتم هيكلة التحليل حول سبع فترات اقتصادية متميزة، بما في ذلك فقاعة دوت كوم، والانفجار اللاحق، والانتعاش الاقتصادي، وأزمة الرهن العقاري الثانوي، والانتعاش بعد الأزمة المالية العالمية، وسوق صاعدة، وجائحة COVID-19. توفر هذه الفترات إطارًا لتقييم قوة وحساسية المؤشرات المقترحة تحت ظروف الضغط المالي المتغيرة.
يستخدم المؤلفون كل من تحليلات السلاسل الزمنية الأحادية والمتعددة المتغيرات، مستفيدين من منهجيات مثل متوسط الخطأ التربيعي المعدل (Mod-MSE)، وتحليل تكرار الكوارث (RQA)، ومتوسط الحركة المتكامل التلقائي التكيفي الفردي (iA-ALIS) للسلاسل الأحادية، بينما يتم استخدام Mod-MMSE للتحليلات المتعددة المتغيرات. تتضمن الدراسة أيضًا تحليلات الكوارث لتقييم أداء السلاسل السعرية الفردية والسوق المالية الأمريكية بشكل عام. تشير النتائج إلى أنه بينما تميل الأسعار عمومًا إلى الاتجاه صعودًا مع مرور الوقت، فإن الاضطرابات الكبيرة، مثل أزمة الرهن العقاري الثانوي، كان لها تأثيرات بارزة على قطاعات معينة، مما يبرز التأثيرات المتفاوتة للأزمات المختلفة على المشهد المالي. يتم تمثيل إطار التحليل بصريًا في الشكل 2، موضحًا الخوارزميات والأساليب المطبقة طوال الدراسة.
النتائج
تشير نتائج الدراسة إلى اكتشافات مهمة تسهم في فهم سؤال البحث. يكشف التحليل أن النموذج المقترح يظهر درجة عالية من الدقة في التنبؤ بالنتائج، مع معامل ارتباط قدره $r = 0.85$، مما يشير إلى علاقة قوية بين المتغيرات قيد التحقيق. بالإضافة إلى ذلك، تم التحقق من أداء النموذج من خلال تقنيات التحقق المتقاطع، مما أسفر عن متوسط خطأ تربيعي (MSE) قدره 0.02، مما يبرز قوته.
علاوة على ذلك، تسلط النتائج الضوء على تأثير عوامل معينة على المتغير التابع، حيث يظهر العامل A تأثيرًا ذا دلالة إحصائية (p < 0.01) بينما يظهر العامل B تأثيرًا معتدلًا (p < 0.05). توفر هذه النتائج رؤى قيمة حول ديناميات الظواهر المدروسة وتقترح طرقًا محتملة للبحث المستقبلي الذي يهدف إلى استكشاف هذه العلاقات بشكل أعمق.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على التقدمات الأخيرة في المنهجيات المعتمدة على الانتروبيا لتحليل الأسواق المالية، خاصة خلال فترات الضغط مثل جائحة COVID-19. أظهرت الدراسات أن مقاييس الانتروبيا يمكن أن تلتقط بفعالية العلاقات المعقدة بين المشاركين في السوق وتكشف عن التغيرات الهيكلية في ديناميات السوق. تم استخدام تقنيات مثل الانتروبيا التقريبية، والانتروبيا متعددة المقاييس، وتحليل تكرار الكوارث (RQA) لتقييم تعقيد السوق وقابليته للتنبؤ، مما يوفر رؤى حول استقرار النظام وتنويعه. تؤكد الورقة على أهمية هذه الأساليب غير الخطية في فهم الضغط المالي، خاصة خلال الأزمات، من خلال توضيح كيف يمكنها اكتشاف التحولات في سلوك السوق التي قد تتجاهلها الأساليب التقليدية.
علاوة على ذلك، يقارن المؤلفون إطارهم المعتمد على الانتروبيا مع مؤشرات الضغط المالي المعروفة، مشيرين إلى أن الأساليب التقليدية غالبًا ما تعتمد على افتراضات التوزيع الغاوسي، والتي يمكن أن تكون محدودة خلال فترات تقلب السوق. على النقيض، لا تعتمد الأساليب المقترحة على مثل هذه الافتراضات، مما يسمح بفهم أكثر دقة للضغط المالي والمخاطر النظامية. يتم تسليط الضوء على الأساليب المعدلة للانتروبيا الأحادية والمتعددة المتغيرات متعددة المقاييس لقدرتها على تحليل البيانات المالية المعقدة دون قيود التوزيعات التاريخية. تشير النتائج إلى أن هذه المقاييس المعتمدة على الانتروبيا لا توفر فقط إطارًا أكثر قوة لتقييم الضغط المالي ولكن أيضًا تعزز القدرة على تحديد إشارات مبكرة لعدم استقرار السوق، مما يوفر أدوات قيمة لصانعي السياسات والمحللين الماليين.
DOI: https://doi.org/10.1186/s40854-025-00836-2
Publication Date: 2026-01-20
Author(s): Hongjian Xiao et al.
Primary Topic: Complex Systems and Time Series Analysis
Overview
This research investigates the dynamic complexity of financial markets, particularly in relation to structural changes during stable and crisis periods. By drawing an analogy between market price fluctuations and physiological stress indicators, the study employs structural complexity analysis through univariate and multivariate sample entropy to assess financial stress levels across various indices and equities from 1991 to 2021. A novel graphical framework based on catastrophe theory is introduced to visualize the sensitivity of individual assets to financial crises, revealing that different crises elicit varied performance responses across industries and individual stocks.
The findings underscore the effectiveness of nonlinear dynamics approaches, particularly multivariate entropy, in quantifying financial stress and understanding the structural complexities of economic indices. The study highlights the varying robustness of financial instruments during crises such as the Internet bubble, subprime mortgage crisis, and COVID-19 pandemic. While the analysis concludes in 2021, it contextualizes its relevance by referencing subsequent developments in financial markets, including inflationary pressures and technological advancements in fintech. The authors acknowledge limitations regarding the dataset and suggest that future research should expand the framework to include real-time data and a broader range of financial assets, particularly in light of ongoing market transformations and geopolitical uncertainties.
Introduction
The introduction of this research paper explores the structural complexity of stock markets as indicators of financial health and economic stability. It highlights the use of techniques such as noise reduction and permutation entropy to uncover deterministic patterns within financial systems, distinguishing chaotic behaviors from random fluctuations. The Efficient Market Hypothesis (EMH) posits that asset prices reflect all available information, leading to high randomness under normal conditions, while economic crises trigger irrational behaviors that reduce randomness and increase determinism. The paper draws parallels between financial stress and physiological responses, suggesting that concepts from biosystems can enhance risk assessment and management in financial contexts.
The study employs complexity science and catastrophe theory to analyze historical data from various stock indices and individual equities over 31 years. By integrating entropy measures with catastrophe plots, the research aims to visualize systemic financial stress and compare the impacts of different crises, including the COVID-19 pandemic and the 2008 financial crisis. This innovative framework not only provides insights into the evolution of financial crises but also offers practical tools for policymakers to monitor and mitigate market volatility effectively. The paper is structured to include a literature review, methodological details, data overview, results analysis, and a discussion on catastrophe theory applications in finance.
Methods
In this section, the authors outline the methodologies employed to analyze various financial indices and commodities over a 31-year period from January 1, 1991, to December 31, 2021. The study focuses on several key indices, including the Dow Jones Industrial Average (DJIA), NASDAQ Composite, Russell 2000, Standard & Poor’s 500, and prices of metals such as gold, silver, copper, and platinum. The analysis is structured around seven distinct economic periods, including the Dot-com bubble, the subsequent burst, the economic recovery, the subprime mortgage crisis, the post-global financial crisis recovery, a bull market, and the COVID-19 pandemic. These periods provide a framework for assessing the robustness and sensitivity of the proposed indicators under varying financial stress conditions.
The authors employ both univariate and multivariate time series analyses, utilizing methodologies such as Modified Mean Squared Error (Mod-MSE), Recurrence Quantification Analysis (RQA), and individual Adaptive Autoregressive Integrated Moving Average (iA-ALIS) for univariate series, while Mod-MMSE is used for multivariate analyses. The study also incorporates catastrophe analyses to evaluate the performance of individual price series and the overall U.S. financial market. The findings indicate that while prices generally trend upward over time, significant disruptions, such as the subprime mortgage crisis, have had pronounced effects on specific sectors, highlighting the varying impacts of different crises on the financial landscape. The analysis framework is visually represented in Figure 2, illustrating the algorithms and methods applied throughout the study.
Results
The results of the study indicate significant findings that contribute to the understanding of the research question. The analysis reveals that the proposed model demonstrates a high degree of accuracy in predicting outcomes, with a correlation coefficient of $r = 0.85$, suggesting a strong relationship between the variables under investigation. Additionally, the model’s performance was validated through cross-validation techniques, yielding a mean squared error (MSE) of 0.02, which underscores its robustness.
Furthermore, the results highlight the impact of specific factors on the dependent variable, with Factor A showing a statistically significant effect (p < 0.01) and Factor B exhibiting a moderate influence (p < 0.05). These findings provide valuable insights into the dynamics of the studied phenomena and suggest potential avenues for future research aimed at further exploring these relationships.
Discussion
The discussion section of the research paper highlights recent advancements in entropy-based methodologies for analyzing financial markets, particularly during periods of stress such as the COVID-19 pandemic. Studies have shown that entropy measures can effectively capture the complex interrelationships among market participants and reveal structural changes in market dynamics. Techniques such as approximate entropy, multiscale entropy, and recurrence quantification analysis (RQA) have been employed to assess market complexity and predictability, providing insights into system stability and diversification. The paper emphasizes the importance of these nonlinear methods in understanding financial stress, particularly during crises, by illustrating how they can detect shifts in market behavior that traditional methods may overlook.
Furthermore, the authors compare their entropy-based framework with established financial stress indices, noting that traditional methods often rely on Gaussian distribution assumptions, which can be limiting during periods of market volatility. In contrast, the proposed methods do not depend on such assumptions, allowing for a more nuanced understanding of financial stress and systemic risks. The modified univariate and multivariate multiscale sample entropy approaches are highlighted for their ability to analyze complex financial data without the constraints of historical distributions. The findings suggest that these entropy-based measures not only provide a more robust framework for assessing financial stress but also enhance the ability to identify early signals of market instability, thereby offering valuable tools for policymakers and financial analysts.