基于高频数据实现波动算法的改进与评估

发布时间：2017-08-22 07:05

  本文关键词：基于高频数据实现波动算法的改进与评估

  更多相关文章： 实现波动 微观结构噪声 算法改进 VaR

【摘要】：为了克服高频金融数据中微观结构噪声对实现波动的影响,多种基于渐近理论的修正算法均试图将实现波动修正为波动的无偏一致估计,但实证结果表明这些算法并不被有限个数样本所支持。利用交易量信息来标识微观结构噪声的强度,使用不等概系统抽样的方法选取计算样本,结合已有的修正算法,文章构建了可主动减少微观结构噪声的算法,不仅使实现波动的统计特性与理论保持一致,实际的Va R估算结果也优于已有算法。
【作者单位】： 北京交通大学中国产业安全研究中心博士后科研工作站;对外经济贸易大学;
【关键词】： 实现波动 微观结构噪声 算法改进 VaR
【分类号】：O212;F830.9
【正文快照】： 0引言实现波动(Realized Volatility,简称RV)是在高频金融数据支持下发展起来的新型波动模型,它是根据时期内收益平方和“计算”波动,而不是“估计”波动,属于非参数波动估计技术。Merton[1]曾指出,只要固定时期内的数据可被以足够高的频率抽选,则方差就可以通过时期内收益平

【共引文献】

中国期刊全文数据库 前8条

1 刘广应;蔡则祥;张新生;;波动率度量方法的比较分析——基于LHAR-RV-EVT风险管理[J];南京审计学院学报;2013年06期

2 L，

本文编号：717713