交易信息、跳跃发现与波动率估计

发布时间：2018-01-29 15:27

本文关键词： 已实现波动率高斯混合模型市场微观结构噪声跳跃　出处：《统计研究》2017年08期 　论文类型：期刊论文

【摘要】：在高频金融数据研究中,估计金融资产价格序列积分波动率时,往往需要考虑市场微观结构噪声与资产价格跳跃的影响。本文将市场微观结构噪声部分地表示成交易信息的参数函数,并结合资产收益序列的跳跃特征,提出资产收益的高斯混合模型。本文利用EM算法进行噪声参数估计的同时,识别资产价格的跳跃,进而提出一种新的积分波动率的估计量。本文提出的方法可以视为Li等(2016)的改进,并在模拟研究中,得到了比Li等(2016)更好的参数估计效果,且即使在跳跃幅度分布误设的情况下,也具有良好的识别跳跃的功能。在应用举例中,对比了本文方法与Lee和Mykland(2008)的跳跃发现方法,论证了本文的模型在识别跳跃方面的可靠性。
[Abstract]:In the study of high frequency financial data, when estimating the integral volatility of financial asset price sequence. It is often necessary to consider the influence of market microstructure noise and asset price jump. In this paper, the market microstructure noise is partially expressed as a parameter function of transaction information, and combined with the jump characteristics of asset return series. In this paper, we use EM algorithm to estimate the noise parameters and identify the jump of asset price. Then a new integral volatility estimator is proposed. The method presented in this paper can be regarded as an improvement of Li et al. 2016). A better parameter estimation effect is obtained than that of Li et al. 2016), and even if the jump amplitude distribution is misdesigned, it has a good function of recognizing jump. This paper compares the method with Lee and Mykland (2008), and proves the reliability of the model in identifying jump.
【作者单位】：中国人民大学统计学院;
【基金】：国家自然科学基金项目“金融资产配置中面板数据动态因子模型研究”(71271210);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”(71471173) 教育部人文社会科学重点研究基地项目“金融风险测度与管理若干前沿问题研究”(14JJD910002)资助中国人民大学2016年度拔尖创新人才培育资助计划成果
【分类号】：F832.51;O211
【正文快照】： 一、研究背景 (一)市场微观结构噪声与积分波动率自产生金融高频数据以来,波动率的估计就是一个不可回避的问题。在最为简单的情形中,资产的对数价格被描述为连续的扩散过程,此时已实现波动率自然而然地成为积分波动率的一个良好的一致估计量。而随着研究的深入,更为复杂

【相似文献】