Intraday patterns of price clustering in Bitcoin

In this study, an investigation is conducted into the phenomenon of price clustering in Bitcoin (BTC) denominated in the Japanese yen (JPY). It answers two questions using tick-by-tick data. The first is whether price clustering exists in BTC/JPY transactions, and the other is how the scale of price clustering varies throughout a trading day. With the assistance of statistical measures, the last two digits of BTC price were discovered to cluster at the numbers that end with ’00’. In addition, the scales of BTC/JPY clustering at ’00’ tended to decline at the specific hour intervals. This study contributes to the emerging literature on price clustering and investor behavior.

What Can Machine Learning Tell Us About Intraday Price Patterns in a Frontier Stock Market?

Quite a lot. On the one hand, it enables us to classify intraday patterns into 6 unique classes and to show how each class is related to several important market state variables. On the other hand, it enables us to identify the relevant set of variables and define a better model of the drivers of intraday patterns in a frontier stock market. Overall, our results show that intraday patterns in returns in the frontier stock market of Romania are mostly the result of risk, information flows, and spillover effects from more developed international markets. However, we find that low market efficiency and investor behavior also have a significant contribution. Among others, we identify signs of overreaction to information, irrational exuberance and “making the close” practices by different types of investors.

Market microstructure – a high frequency analysis of volume and volatility intraday patterns across the Brazilian stock market.

Neste estudo, investigamos a microestrutura de mercado, com dados de alta frequência, para todas as ações que participam do Ibovespa, tradicional e influente índice da América Latina. Embora a microestrutura de mercado tenha sido amplamente investigada em mercados desenvolvidos, não há muitos estudos acerca de países em desenvolvimento, como o Brasil. Tendo isso em vista, modelamos a volatilidade por meio de um método simples, usando o desvio padrão como proxy, e classificamos o volume de negociação de todas as ações do Ibovespa, em cada intervalo de 10 minutos dos pregões amostrados. Encontramos resultados semelhantes aos de investigações anteriores documentados na literatura financeira, como o padrão em forma de L para a volatilidade e o em forma de U para o volume. Outro achado interessante é que, durante o tempo de negociação mais ativa (o intervalo que compreende o fechamento), há quedas de volatilidade, enquanto que, no segundo momento de negociação mais ativo (a abertura), há uma alta volatilidade.