中国证券市场高频数据分布特征研究

国内在对高频数据的统计特征方面的研究还不多,而且基本上集中于对综合指数的数据特征的实证.本文对上海交易所交易的上市公司的高频数据形态特征进行了分析,并与国际成熟市场高频数据的形态特征进行了对比.     

基于高频数据的股票市场价格集聚效应特征研究

股票价格常常呈现出集聚效应，并对市场质量产生重要影响，因此需要利用高频数据深入研究中国股票市场价格集聚效应的存在性及其表现特征，同时解释其原因。通过对沪市高频交易数据的统计检验和定量实证研究表明：价格尾数在“0”、“5”和“8”上存在显著的集聚效应，并且可以用“价格决定”假说加以解释，但是不能用“价格吸引”假说解释。投资者通过在这些点位上变动一个最小报价单位进行报价，将可以最小成本获得交易的优先权。     

基于高频数据的市场有效性研究

本文利用上海证券市场高频数据,用方差比方法研究了金融市场有效性问题.研究表明,上证综指不服从随机游走,收益存在正相关,相关程度的变化呈现周期性,同时市场存在显著的异步交易现象,方差比统计量在较长的滞后期内呈显著的振荡衰减特性.     

基于高频数据的沪指波动长记忆性驱动因素分析

借助于高频数据的最优取样法,利用已实现波动率给出的上证指数波动率的有效估计,在研究已实现波动率特性的基础上,用计量模型探讨沪指波动的长记忆特征.发现HAR-RV模型比FARIMA模型更能有效地刻画沪指波动的长记忆性,且HAR-RV模型样本外预测效果远远优于FARIMA模型,这说明沪指波动具有伪长记忆性,表面特征显示的长记忆性是由短期投资、中期投资和长期投资形成的短记忆性叠加而成.同时由于HAR-RV模型综合考虑了不同时间水平上的已实现波动率,从而在深层次上验证了中国股票市场的异质性和波动率的杠杆效应.     

长记忆过程的参数估计及其在金融市场中的应用

文章提出了一种关于长记忆过程的记忆参数的估计方法.运用谱密度的一致估计量来估计自回归滑动平均过程的记忆参数,通过合适窗函数的选择可使得该平滑谱估计的方差变小,比传统的GPH估计更有效.最后,采用实际数据对上述方法进行说明.     

我国经济政策不确定性内在统计特征检验

文章使用Baker,Bloom和Davis (2013)测算的指数数据,基于ARFIMA-GAS和ARFIMA-GARCH模型对我国经济政策不确定性的内在统计特征进行检验,发现它具有长记忆性、波动聚集效应和跳跃对未来波动的冲击具有短期效应等特征.因此,政府在制定经济政策时要考虑到政策的稳定性、连续性和时效性.     

中国资产价格跳跃行为研究——基于高频数据集的分析

利用日内高频数据,分别通过实现波动率模型和实现二次幂波动模型对资产价格的波动率和连续部分波动率建模,并据此得到资产价格跳跃部分的动态行为模型,分离出发生跳跃的天数、跳跃的大小和方向。结果显示,中国金融市场中的资产跳跃行为密集发生在市场波动性较大的时刻,其大小和间隔期均具有群聚现象,且五种代表性资产价格的跳跃密度均呈左偏分布,说明中国股权市场中向下发生的跳跃多于向上的跳跃。     

中国证券市场的ACD-GARCH模型及其应用

一、引言随着计算机技术的飞速发展 ,人们可以获得采样频率越来越高的股票、汇率等金融数据 ,甚至可以获得股票市场、外汇市场实时的每笔成交数据。这些数据称之为高频数据。高频数据的获得使人们可以进一步研究市场的微观结构和运行机制。Easley ( 1996 )、Diamond和Verrecchia ( 1987)、Glosten和Milgrom ( 1985 )、Hasbrouck( 1998)和O’Hara( 1995 )等在研究市场微结构时指出 ,在交易中、价格变化中和买卖指令期间的等待时间对了解金融市场的私人和公共信息具有关键性的作用。为了利用交易到达时间和买卖价更新时间对金融市场微观结…     

上海证券市场基于修正R/S分析的长记忆研究

文章以上证综合指数周收益率和日收益率为研究对象,用R/S分析法和修正R/S分析法来分析上海证券市场的长记忆性,并使用V统计量对其进行双侧检验,此外还分析了R/S分析法产生偏差的原因.得出结论:上证综合指数周收益率时间序列和日收益率时间序列并没有表现出显著的长记忆性.     

基于金融高频数据的VaR研究

选取具有良好统计性质的金融波动率估计量来构建VaR,,可以使市场风险的度量更为准确.高频数据由于比低频数据包含了更多的市场信息,因此基于高频数据的金融波动率估计量更为准确.但是基于高频数据的波动率估计量为数众多,目前仅有对各个估计量本身性质的比较研究,在应用于VaR的研究中如何选取估计量使得VaR的计算更为准确则不得而知.因此,文章选取了高频数据下的若干个有代表性的金融波动率估计量,进行VaR值的计算,并对其结果进行了比较研究,同时进行了持续性分析.通过实证研究表明V2R序列具有持续性,其中由赋权"已实现"双幂次变差计算所得的VaR值更准确,从而为VaR的精确计算和正确建模提供了依据.     

ACD模型及其扩展--金融高频数据计量模型的新动态

本文结合高频数据所表现出的独有特征系统地回顾了近年ACD(Autoregressive Conditional Duration)模型及其扩展在国际、国内的发展状况,展望了该模型的发展方向.     

基于中国股票高频交易数据的随机波动建模与应用

本文对近十五年多达17万笔高频交易数据研究发现,早晨9:30股市开盘期间收益回报显著为负值,而在下午3:00收盘前的5分钟集合竞价阶段的收益回报显著为正值,称这种现象为“首尾5分钟现象”.并且日内收益数据具有较为显著的季节效应或周期效应,本文首次提出利用具有季节效应的SVJt-s模型对上证综合指数的5分钟高频交易数据进行建模,并给出模型的两步估计方法.由于高频随机波动建模时的数据量巨大、计算负荷严重,模型的估计、评价以及预测评价方法都需进行相应的改进,本文主要通过APF方法计算边际似然和BF进行模型比较,并从模型的预测能力发现本文给出的具有季节效应的SVJt-s模型,优于通常的GARCH模型和基本随机波动模型,最后给出了模型在风险管理中的应用.     

基于高频数据的风险值度量IVar方法综述

IVar估计是基于高频金融数据的分笔数据构造风险测量的方法。IVar的估计依赖两个步骤：首先根据分笔数据信息以及假定的交易间持续期和交易收益的联合分布，得到10g—ACD模型和扩展的UHF—GARCH模型；根据这两个模型，利用蒙特卡罗方法构造测量风险的指标IVar的估计，并详细给出这两个步骤中的计算细节。     

高频数据驱动的连续时间模型估计

现代金融经济学中连续时间模型能够更方便地描述重要经济变量的动态过程如股价、汇率和利率等。为连续时间模型提出了一种高频数据驱动的二阶段估计方法,增强了连续时间扩展模型的弹性和可操作性。以Vasicek模型为例给出了该方法的应用实例,首先在第一阶段使用实现波动率方法估计出模型的扩散项参数,然后使用实际数据的稳态分布的前向方程估计漂移项参数。此方法对模型初始设定和优化算法依赖程度低,结果较为稳定可靠。     

基于小波分析的中国股市高频长记忆研究

0引言根据有效市场假说的理论,如果一个资本市场是有效的,则市场收益率自身不具有序列相关性;但一些学者发现这种序列自相关性在股市中是存在的。文献[1]对美国股市进行了研究,发现长记忆性在指数收益率序列中不显著,但在某些个股中却显著存在;文献[2]利用对数周期图法对沪深股     

基于高频数据的金融波动率模型

金融高频数据和金融波动率是目前金融领域研究的热点问题。本文对基于金融高频数据的金融波动率估计量——"已实现"双幂次变差进行了建模和预测。"已实现"双幂次变差无模型、计算简便,在一定条件下是金融波动率的无偏估计量,并且具有稳健性和有效性。通过用上证综指对"已实现"双幂次变差进行ARFIMA建模,发现中国股票市场的上证综指"已实现"双幂次变差时间序列具有长记忆性。     

基于高频数据的市场价格久期集聚特征分析

在金融高频数据中,价格久期反映了交易者的交易策略,从时间维度反映了信息的传导过程。文章采用股票交易的分笔数据,在自回归条件久期模型中引入信息交易特征变量:交易强度、每笔平均交易量和百分比买卖价差,分析价格久期集聚特征与市场信息交易之间的关系。     

基于BP神经网络的股指收益率预测研究——以高频数据为样本

高频金融数据和金融资产收益率是金融计量学的一个全新的研究领域。目前，国内学者利用年、月、日等低频数据对股票市场的收益率进行了很多的研究，但是以日内高频数据为基础的研究还不多见。如何较准确地预测基于高频数据的股票收益率是进一步深入研究金融市场的基础，论文采用数据挖掘中的BP神经网络对沪深300指数高频数据中的日内收益率进行建模与预测。结果表明：神经网络模型对股票高频数据的日内收益率具有很强的预测能力。     

基于小波特征提取的高频面板数据聚类方法

高频面板数据在时间维度的频繁波动给聚类的准确性造成了很大干扰。综合考虑这一问题,从小波分解的角度提取了面板数据主成分降维后指标的综合得分序列,利用小波变换提取综合得分序列的"周期"特征、低频部分的"均值"特征与"趋势"特征、高频部分的"波动"特征,最后采用熵值法对这些特征进行赋权并利用赋权后的特征数据和系统聚类方法实现高频面板数据聚类。通过股票高频面板数据的实证分析表明,该方法的聚类效果良好。     

基于切比雪夫不等式的白糖高频数据统计套利

文章对我国白糖期货合约的6个时间频率段的数据进行基于切比雪夫不等式的统计套利研究.通过协整建立两个月的数据之间的静态回归方程,利用切比雪夫不等式和夏普比率在回归残差的基础上构建套利阀值统计量,在利润最大化的前提下求得最优阀值,并利用最优阀值对样本外数据进行套利分析.