基于中国股票高频交易数据的随机波动建模与应用

发布时间：2017-08-31 07:43

  本文关键词：基于中国股票高频交易数据的随机波动建模与应用

  更多相关文章： 随机波动 高频交易数据 辅助粒子滤波 马尔科夫链蒙特卡洛

【摘要】：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。
【作者单位】： 中国人民大学统计学院;桂林理工大学理学院;
【关键词】： 随机波动 高频交易数据 辅助粒子滤波 马尔科夫链蒙特卡洛
【基金】：国家自然科学基金项目“非对称随机波动建模及其在金融风险管理中的应用研究”(714711730) 教育部人文社会科学重点研究基地重大项目“金融风险测度与管理若干前沿问题研究”(14JJD910002) 广西自然科学基金面上项目“非对称随机波动模型杠杆效应的非参数估计及其在金融衍生证R抵械挠τ谩，

本文编号：764344