基于MCMC算法的金融高频数据贝叶斯分析

发布时间：2017-03-20 22:00

  本文关键词：基于MCMC算法的金融高频数据贝叶斯分析，由笔耕文化传播整理发布。

【摘要】：随着股票市场电子交易的兴起和发展,高频交易数据的获取成为可能。由于高频数据对捕捉股市微观结构有着十分显著的作用,因此高频数据的分析尤为重要。本文根据高频数据的特点,利用贝叶斯方法,对高频数据的价格和持续期进行模型建立及分析。本文选取2016年3月21日至3月25日为期一周关于浦发银行的股票交易高频数据进行实证分析。第一、对价格变化建立贝叶斯顺序概率模型。对浦发银行3月24日的交易价格建立贝叶斯顺序概率模型,在MCMC抽样过程中利用Liu et al.(2000)提出的组变化方法,将某些参数做线性变换,从而可以大大提高样本的收敛速度。利用抽样样本对模型参数进行估计。然后利用已估计的顺序概率模型对价格进行向前一步的样本内预测,发现模型可以捕捉到68%的交易价格信息。第二、对持续期建立贝叶斯门限随机条件持续期模型(T-SCD)。考虑浦发银行3月21至3月25日为期一周的持续期数据,利用调整后的持续期建立条件持续期模型,并且通过信息准则选择新息分布为伽玛的条件持续期模型。经过非线性检验,发现伽玛持续期模型残差存在非线性性,随后对调整后的持续期建立两体制的T-SCD(1,2)模型。比较模型的似然函数值发现该模型优于其他模型,并可以用来解释大量交易和少量交易的交易动态性。第三、对价格变化和持续期建立二元模型(PCD)。考虑浦发银行3月24日的交易数据,对其建立贝叶斯PCD模型,利用MCMC算法估计得到的模型结果显示:价格变化量和持续期都存在显著地动态相依性;持续期越大,则价格变化期间的交易量越少,同时交易价格正向变化的概率越大。此外价格变动方向不同,则价格变化量所受到的影响因素也不同。价格负向变化时,价格变化量更多的是受到无价格变化信息的影响;而价格正向变化时,价格变化量更多的是受到非零价格变化信息的影响。交易信息越多,价格变化越平稳;反之,交易价格波动越大。本文的创新点在于对中国股票市场的高频数据建立顺序概率模型、随机波动率模型、PCD模型,并利用贝叶斯方法对模型参数进行估计,以此对中国股市的微观结构进行分析,同时将随机持续期模型进行了一定的推广。
【关键词】：高频数据 顺序概率模型 门限SCD模型 PCD模型 MCMC算法
【学位授予单位】：华南农业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F832.51
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 1 前言8-12
• 1.1 研究背景与意义8-9
• 1.2 国内外研究现状9-11
• 1.3 本文主要工作11-12
• 2 马尔可夫链蒙特卡罗方法12-15
• 2.1 两个常用的MCMC算法13-14
• 2.1.1 Metropolis Hasting算法13-14
• 2.1.2 Gibbs抽样14
• 2.2 MCMC算法的收敛性诊断14-15
• 2.3 实现MCMC算法的软件15
• 3 高频数据的特征分析15-17
• 3.1 价格的离散性15-16
• 3.2 持续期的日模式16-17
• 3.3 其他特征17
• 4 价格变化模型17-24
• 4.1 顺序概率模型17
• 4.2 参数的先验分布17-18
• 4.3 贝叶斯条件后验分布的推导18-19
• 4.4 顺序概率模型的MCMC抽样算法19
• 4.5 模拟19-21
• 4.6 实证分析21-24
• 5 门限持续期模型24-33
• 5.1 持续期模型介绍24-25
• 5.2 非线性检验25-27
• 5.2.1 Ori-F检验25
• 5.2.2 门限检验25-27
• 5.3 参数的贝叶斯推导27-29
• 5.4 TSCD模型的MH抽样算法29
• 5.5 实证分析29-33
• 6 价格变化和持续期的二元模型33-39
• 6.1 模型介绍33-34
• 6.2 参数的贝叶斯推导34-35
• 6.3 PCD模型的MCMC抽样算法35-36
• 6.4 实证分析36-39
• 7 总结和讨论39-41
• 7.1 总结39-40
• 7.2 讨论40-41
• 致谢41-42
• 参考文献42-45
• 附录45-69
• 附录A 浦发银行3月24日9:30:00-9:34:04的价格变化与持续期45-51
• 附录B 高频数据的特征分析程序51-52
• 附录C 价格变化的顺序概率模型程序52-58
• 附录D 持续期模型程序58-69
• 附录E 攻读硕士学位期间发表的学术论文69

【参考文献】

中国期刊全文数据库 前10条

1 赵涤非;唐勇;;基于高频数据视角的上证综指跳跃原因分析[J];系统科学与数学;2015年01期

2 陈杰;;基于高频数据的波动率预测研究[J];时代金融;2014年29期

3 王少斌;田新民;;基于高频数据的ACD模型微观扩展应用[J];系统工程;2014年09期

4 刘洪;王江涛;;基于高频数据的时间序列长记忆系数比较研究[J];数理统计与管理;2014年04期

5 王亚楠;董雅琴;吴祈宗;;基于MCMC的SCD模型扩展研究[J];河北工业科技;2014年01期

6 左浩苗;刘振涛;曾海为;;基于高频数据的股指期货与现货市场波动溢出和信息传导研究[J];金融研究;2012年04期

7 孙艳;何建敏;周伟;;非参数随机条件持续期模型及其迭代算法[J];统计研究;2011年08期

8 王亚楠;吴祈宗;刘风;;基于MCMC的ACD与SCD模型比较研究[J];数学的实践与认识;2011年09期

9 李素芳;朱慧明;虞克明;郝立亚;;基于Gibbs抽样的贝叶斯超高频金融数据协整关系研究[J];统计与信息论坛;2010年10期

10 刘伟;陈敏;吴武清;;高频数据交易量久期与价格变化的动态行为研究[J];数理统计与管理;2010年03期

  本文关键词：基于MCMC算法的金融高频数据贝叶斯分析，，由笔耕文化传播整理发布。

本文编号：258485