基于高频数据的中国期货市场交易次数估计方法

发布时间：2021-06-06 16:36

　　中国期货市场作为发现价格和规避风险的重要金融工具,对我国的社会主义市场经济体制建设具有重要意义。近年来,中国期货市场处于快速发展时期,成交总量连年大幅增长。在近两年,中国期货市场更是逐渐加快了国际化的步伐,逐步在国际市场上发挥影响力。与此同时,随着信息技术和数据科学的高速发展,投资者越来越重视更精细化的数据。而不同于一些国际市场和我国股票市场所提供的的逐笔订单数据,我国期货市场所提供的最精细的数据是0.25至0.5秒间隔的高频市场快照数据。在逐笔数据到快照数据的处理过程中,一些信息被丢弃遗失,其中包括交易次数。这项信息近年来被证明非常具有价值,是很好的市场活跃指标。本文聚焦于此,首次提出使用快照数据估计过去一段时间的交易次数的多种方法。具体利用高频快照数据,基于订单流的泊松分布假设,建立了多个估计量。并使用蒙特卡洛方法,根据假设生成了模拟订单流,并发现估计值能收敛于真实值,验证了这些方法有效。之后利用了中国A股的逐笔订单数据对方法做进一步检验,发现尽管A股市场的高频数据不完全服从泊松分布假设,但估计量仍与真实值具有高相关性。进一步的,本文对原始的泊松分布假设进行了修正,加入了解释变量并... 

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：49 页

【学位级别】：硕士

【部分图文】：

图２．４??图２．２到２．４是随机均匀分布订单到达率的模拟结果

?Ｘ＊Ｃ?Ｘ?Ｘ?Ｘ?Ｋ?＾?ｘ?＊??＾?Ｘ?麻車嫌Ｘ?Ｘ?Ｘ．??？?１０?ｘｍｔｘ?ｍ？‘水?ｘ?％?ｘ?ｘ??Ｊ?ＪＣＸ?ｋ?ＸＸＸＸＪＳＣ?ｍｘｘ?ｋ?萬??ＵＪ?ｘＸＸＭＯＭＭｐｅ?Ｘ；你蜗?Ｘ?Ｘ??ｍｍｍｍｍ＇ｍｍ?＾?ｘ?ｘ?ｘ??ｍｍｍｍｉｍＫｍ?ｊ９ｔ？：?ｘ??Ｑ５??０?０?？?＊?ｘ?Ａｖｇ－Ｐｒｉｃｅ?ｍｅｔｈｏｄ?２??０?１?２?３?４?５?６??Ａｖｅｒａｇｅ?Ｎｕｍｂｅｒ?ｏｆ?Ｔｒａｄｅｓ??图２．８??根据这７个交易日的快照数据，取ｎ＝１２０，对应６０秒钟的时间窗口，计算??三个估计量。??由于数据点过多，为了便于展示，随机从中抽取５００多个互不重叠的样??本，得到了图２．６，２．７和２．８。??可以看到，三种估计值和实际值均呈现明显相关性。其中第一种估计值看??起来效果最好，而图２．８中第三种估计值则出现了很明显的阶梯性。这反映了??该方法在真实值较低时可能失效。因为这支股票的平均交易次数比较低，在这??种情况下，多数的ｔｉｃｋ里，要么没有发生交易，要么所有交易都发生在同一价??格，所以第三种估计在这种情况下明显的失效。??实际上，在这７个工作日的完整数据中，三种估计值冬，４和】３，与实际值??的相关性分别为：８７．６％，８３．８％，８３．５°／〇。??同时，我们基于三种估计值对平均每笔交易量进行估计１Ｑ，估计方式是直??接用交易量除以交易次数估计值。结果如下图所示。??１０由于该股票的活跃度不够稳定，七经常算出〇值。在计算平均每笔交易量的时候需注意清理数据。??１６??

图２．９???０００５０３，?ｎ＝?

【参考文献】：
期刊论文
[1]基于高频交易数据的“羊群行为”测度模型[J]. 朱菲菲,唐涯,徐建国,李宏泰.  数量经济技术经济研究. 2019(08)
[2]中国股市投资者预测交易到达率的GARCH学习行为[J]. 王春峰,黄晓彬,房振明,郭华.  北京理工大学学报(社会科学版). 2012(04)
[3]交易者市场到达率及影响因素研究[J]. 许敏,刘善存.  管理科学学报. 2010(01)

博士论文
[1]股票市场半知情交易者的行为理论与实证研究[D]. 张驰.天津大学 2015
[2]基于高频数据的投资者交易行为研究[D]. 王少斌.首都经济贸易大学 2014



本文编号：3214755