复合Lognormal-Pareto自回归条件持续期模型及其应用

发布时间：2020-05-08 08:43

【摘要】：随着信息技术的发展,金融高频数据的分析工作越来越重要。金融高频数据包含着大量市场微观结构的信息,所以分析金融高频数据对理解金融微观结构是相当重要的。目前对微观结构理论的研究大多是定性研究,这些理论在多大程度上符合实际,需要实证分析对其进行检验。ACD模型就是处理金融高频数据正值时间序列的一重要手段,且ACD模型最大的挑战在于新息分布的选择。通常,交易持续期大密度在0附近聚集,并表现为非对称的右厚尾。所以合适的新息分布应该能捕捉到数据的内在特征,尤其是厚尾这一特征。在这一点上,本文要讲的复合Lognormal-Pareto分布比当前应用普遍的指数分布、Weibull分布,广义伽玛分布效果都能更好。本文不是从形状参数或者混合同种分布的角度出发考虑新息分布,而是从”粘帖”两种不同分布得到的复合分布考虑,给ACD模型的新息分布提供了一个新的思路。本文应用的是Starbucks股票2011年7月25号到7月29号的部分日内交易数据(该数据可由[1]获得)。然后把本文的Lognormal-Pareto作为新息分布的LP-ACD拟合效果与指数分布(EACD)、Weibull分布(WACD),广义伽玛分布(GACD)拟合效果作一个比较。
【图文】：

持续期,非零,时序图

ｌａｇ逡逑图５．１调整前非零持续期情况逡逑由图５．１中的顶层图“调整前的非零持续期时序图”揭示了在交易持续期中逡逑普遍可见的集群效应，中间图层“调整前的非零持续期直方图”指出了大量数逡逑据接近于零和长右尾的事实，最下层图“调整前的非零持续期样本ＡＣＦ”清晰逦说明了持续期数据之间的长相关性，虽然量级都不太大。逡逑表５．１罗列了我们这篇文章４０００个数据的简要报告，揭示了不均匀分布，正逡逑偏，重尾等事实逡逑５．２邋ＬＰ－ＡＣＤ模型拟合逡逑我们用调整过的前４０００个持续期来进行ＬＰ－ＡＣＤ（邋１，１）模拟。同时也进逡逑行ＥＡＣＤ（１

模型,拟合

图５．２邋各个ＡＣＤ模型新息ＱＱ图逡逑由图５．２中也可以看出，ＬＰ－ＡＣＤ模型相比其他模型更能拟合好金融高频数逡逑
【学位授予单位】：厦门大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F224

【参考文献】