基于高频数据的中国股票市场价格离散性特征研究

发布时间：2020-03-25 04:38

【摘要】：随着中国金融数据库的建立与发展,我们能以较低成本获得越来越高频率的金融交易数据。如股票市场的分笔、五分钟、十五分钟等频率低于一日的交易数据,这些数据就是高频数据。高频数据的获得使人们对市场微观结构的研究更加深入。股价离散性是金融市场微观结构的重要特征。价格离散性对低频数据样本而言不是重要的问题,因为它可以作为一个连续过程的近似。传统的金融市场微观结构研究遵循了这一研究方法,这一研究方法无疑会丢失大量市场信息,导致市场研究出现较大偏差。实际上,对日内高频交易数据样本而言,价格离散性是个严重的问题,因为价格变动的观测值仅为有限的几个数值,所以在连续性假定下建立的模型也不再适用。本文利用三秒分笔交易数据、五分钟交易数据,从理论和实证角度对股价离散性进行分析,并采用次序Probit模型对离散股价进行建模,分析股票日内价格变化影响因素。本文的第一部分是绪论。简单介绍了本文的研究背景、意义以及国内外文献综述。第二部分主要对股价离散性对价格和收益率的影响进行统计分析,主要选取高价股和低价股各两只,中等价位股票一只,利用股票2010年9月份的5分钟交易数据和2010年8月份的分笔交易数据对股价尾数聚集现象、价格变动分布特征以及5分钟收益率2维历史关系图进行统计分析,得出低价股受价格离散性影响大而高价股受价格离散性影响小的结论。第三部分简单对国外提出的几个离散模型进行比较分析,得出次序Probit模型是捕捉离散性效果最优的模型,最后详细介绍了基于股价离散性提出的次序Probit模型的基本思想。第四部分是交易数据的实证分析。主要介绍了数据的选取分组、股票日内价格变化模型设计、实证结果和实证分析。第五部分是结论。主要对前面各部分的分析结果做了简单总结,并给出了相关政策建议。本文对我国股票市场微观结构研究的主要贡献体现在以下几个方面： 1.本文通过对我国股票市场高频交易数据建立离散模型进行实证分析,得出离散性对低价股的影响比高价股大；信息成本和存货成本都对股票日内价格变化有重要影响,且在我国股市中信息成本的影响大于存货成本。 2.本文选取的数据是2010年8月至10月的分笔交易数据。近几年,虽然国内也有部分学者对股价离散性进行了实证分析,但采用的数据都是2006年以前的数据。事实上,2006年以来,我国股市发生了很大变化,如波动幅度变大、交易日益频繁(大部分股票的日交易次数达4000次以上)等特征。显然利用2006年以前的交易数据所做的分析缺乏时效性,得出的结论也存在很大区别。 3.本文在变量的选取上,在采用了国外的研究方法同时,结合我国股市的制度背景,在次序Probit模型中还引入了信息成本、存货成本、流动性成本和累计买卖压力四个解释变量。 4.本文针对股票价格离散性特征实证分析得出的结果,对证券监管部门和投资者提出了相应的政策建议和报价策略。 5.本文是在国内较早较系统的对股价离散性理论的发展与实证研究进行梳理和评价,尤其指出信息成本在价格变动中的重要影响作用,反映了我国股票市场普遍存在信息交易的特征。
【图文】：

直方图,尾数,股票价格,分布直方图

(e)600322股票价格尾数分布直方图图2一l五只上证股票价格尾数分布直方图在图2一1中，横轴表示股票逐笔交易成交价的尾数部分，由原点往右看，每一直方图对应的数据分别为0分到9分。纵轴表示该尾数在所有数据中所占的比例。从上图可以看出，不同价位的股票存在着程度不一的价格尾数现象。高价股票600519和600150与中价位股存在明显的价格聚集现象。价格尾数很大程度上聚集在O、5处;但低价位股票600005和600322的价格尾数为0、5的概率只是稍微偏大些，价格聚类现象并不明显。上述发现表明，在股票逐笔11
【学位授予单位】：东北财经大学
【学位级别】：硕士
【学位授予年份】：2011
【分类号】：F224;F832.51

【参考文献】