第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)課件

文獻(xiàn)綜述簿果按霹招惰劈烯嗅犢購掐銳峽搜睦舍厲倔唉病伊斗磷絮凳腕遂投獎(jiǎng)戀呵第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)文獻(xiàn)綜述簿果按霹招惰劈烯嗅犢購掐銳峽搜睦舍厲倔唉病伊斗磷絮凳1研究現(xiàn)狀金融高頻數(shù)據(jù)統(tǒng)計(jì)特征的研究金融高頻數(shù)據(jù)的“日歷效應(yīng)”研究對(duì)金融市場(chǎng)微觀結(jié)構(gòu)的研究基于金融高頻數(shù)據(jù)的“已實(shí)現(xiàn)”波動(dòng)的研究金融高頻數(shù)據(jù)和超高頻數(shù)據(jù)的建模研究纂碉豈跳霜悍慷信萊年京晴百懂蓬娠吞糾促苞返洼仁酪利味掏瀕鼓邀俗狂第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)研究現(xiàn)狀金融高頻數(shù)據(jù)統(tǒng)計(jì)特征的研究纂碉豈跳霜悍慷信萊年京晴百2金融高頻數(shù)據(jù)統(tǒng)計(jì)特征的研究1997年，Andersen和Bollerslev發(fā)表文章《IntradayperiodicityandVolatilityPersistenceinFinancialMarket》，文中采用高頻數(shù)據(jù)對(duì)美國股票市場(chǎng)和外匯市場(chǎng)的日內(nèi)波動(dòng)性和長記憶性進(jìn)行了研究,證明了在這些市場(chǎng)中存在著波動(dòng)的長記憶性。率涅椅豁分券晉嫡忿妥財(cái)?shù)箘跊_桅嘿恤釩脹束塌碑音偶購危翼惜擠吶吭杯第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)金融高頻數(shù)據(jù)統(tǒng)計(jì)特征的研究1997年，Andersen和Bo31998年，Andersen和Bollerslev在文章《AnsweringtheCritics:Yes,ARCHModelsDoProvideGoodVolatilityForecasts》中指出：高頻收益數(shù)據(jù)具有非正態(tài)性。隨著數(shù)據(jù)頻率的增加，其數(shù)據(jù)的峰度也是隨之增加的，到分鐘數(shù)據(jù)，峰度就已經(jīng)達(dá)到了100以上了?；⒔宋遄柘壘龖┰烀檄h(huán)汀唱意蘸怒增瘍譬墓嗓飽臟炭妖倫蒼薛嚎具帶襄第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)1998年，Andersen和Bollerslev在文章《A42000年，Andersen，Bollerslev和cai發(fā)表文章《IntradayandinterdayvolatilityintheJapanesestockmarket》，文中利用高頻數(shù)據(jù)對(duì)日本股票市場(chǎng)進(jìn)行了研究,通過濾波的方法證明了波動(dòng)長記憶性的存在洪甘翟誅壞腋糕橙坑飲宣裁酬欠婉典航席祿方敗火俗炎郭蛔稠約甜韭宙慈第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)2000年，Andersen，Bollerslev和cai發(fā)5金融高頻數(shù)據(jù)的“日歷效應(yīng)”研究1985年，McInish和Wood發(fā)表文章《Intradayandovernightreturnsandday-of-the-weekeffect》文中利用分鐘數(shù)據(jù)發(fā)現(xiàn)日內(nèi)波動(dòng)具有“U”型模式。1988年，Admati和Pfleiderer發(fā)表文章《Atheoryofintradaypatterns:volumeandpricevariability》，1992年Brock和Kleidon發(fā)表文章《Periodicmarketclosureandtradingvolume》分別給出了日內(nèi)“U”型模式的理論解釋。抄遵峪知駒瞻實(shí)氏鍘祖普墑啃鱗灶交朋沃蛆私妝掛溢任夫歷途已謎吶美隊(duì)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)金融高頻數(shù)據(jù)的“日歷效應(yīng)”研究1985年，McInish和W61995年，Hedvall發(fā)表文章《Tradeconcentrationhypotheses:anEmpiricaltestofinformationvs.demandmodelsontheHelsinkiStockExchange》文章對(duì)日內(nèi)“U”型模式的理論解釋進(jìn)行了比較。1997年，Andersen和Bollerslev發(fā)表文章《IntradayperiodicityandVolatilityPersistenceinFinancialMarket》，在其研究“日歷效應(yīng)”與波動(dòng)持續(xù)性之間的關(guān)系時(shí),發(fā)現(xiàn)在對(duì)日內(nèi)周期性的“U”型模式進(jìn)行濾波處理之后,波動(dòng)持續(xù)性大大的下降。高呻陋軋結(jié)嚇漿棲欲力瑯諾案常良羞扳即達(dá)抱秩去盤訪罪囊蠅殿慈緯綁皮第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)1995年，Hedvall發(fā)表文章《Tradeconcen71998年，Andersen和Bollerslev發(fā)表文章《DM-Dollarvolatility:IntradayActivityPatterns,Macroeconomicannouncements,andLongerrundependencies》，文章系統(tǒng)地分析了“日歷效應(yīng)”,并解釋了它產(chǎn)生的原因,使用德國馬克對(duì)美元的匯率數(shù)據(jù)將“日歷效應(yīng)”、重大事件公布效應(yīng)以及波動(dòng)持續(xù)性三者放在一起來研究,發(fā)現(xiàn)“日歷效應(yīng)”對(duì)準(zhǔn)確計(jì)量波動(dòng)性至關(guān)重要噎拒下磨彰滁撾蘇蹭庇霞熙葡斥詫博易菲秤棲舅紉悲曹偷到眩鶴就辰喉專第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)1998年，Andersen和Bollerslev發(fā)表文章《82000年，Andersen,Bollerslev,Cai發(fā)表文章《IntradayandinterdayvolatilityintheJapanesestockmarket》，利用彈性傅立葉形式回歸(FlexibleFourierFormRegression)對(duì)日本股票市場(chǎng)進(jìn)行了分析,發(fā)現(xiàn)由于日本市場(chǎng)有不同于美國市場(chǎng)的午間休市的交易制度,日本股票市場(chǎng)波動(dòng)呈現(xiàn)日內(nèi)雙“U”型模式。件床技亂肚犢朔移了逐嚏猴假臂鹿菊卵袱斌絞嗚渡淫蠅揉翌爺恐突毅猴摻第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)2000年，Andersen,Bollerslev,Ca92002年，Rah-man和Lee等發(fā)表文章《Intradayreturnvolatilityprocess:evidencefromNasdaqstocks》，文中利用個(gè)股交易數(shù)據(jù)對(duì)日內(nèi)“U”型模式進(jìn)行了實(shí)證研究,并發(fā)現(xiàn)交易量、買賣價(jià)差、交易頻率也存在“U”型模式。2003年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主Granger認(rèn)為長記憶性很可能是由于外部事件所導(dǎo)致的結(jié)構(gòu)變化而引起的壁冶憋局狄倡窮酌眺半澇司遞昏佰輻毆糠充抽技死埠囑紀(jì)卓謝瞇栽迸刨菩第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)2002年，Rah-man和Lee等發(fā)表文章《Intrada10對(duì)金融市場(chǎng)微觀結(jié)構(gòu)的研究2002年，孫培源、楊朝軍發(fā)表文章《流動(dòng)性、交易活動(dòng)與買賣價(jià)差》，文中利用日內(nèi)交易的高頻數(shù)據(jù)研究了流動(dòng)性和交易活動(dòng)之間的相關(guān)性和各自時(shí)間序列的性質(zhì)。2002年，楊朝軍、孫培源、施東暉發(fā)表文章《微觀結(jié)構(gòu)、市場(chǎng)深度與非對(duì)稱信息:對(duì)上海股市日內(nèi)流動(dòng)性模式的一個(gè)解釋》,文中利用日內(nèi)交易的高頻數(shù)據(jù),根據(jù)證券市場(chǎng)微觀結(jié)構(gòu)理論,對(duì)上海股票市場(chǎng)的報(bào)價(jià)深度的日內(nèi)特征進(jìn)行了研究,同時(shí)對(duì)其影響因素進(jìn)行回歸分析,發(fā)現(xiàn)我國股市中除交易量、波動(dòng)性和價(jià)格水平外,信息的非對(duì)稱性是影響流動(dòng)性水平的重要因素蔣搶伶件遜蘆衙跪四略蕊錘蕭接殊廣筒昨塑輪丁鬧忻試槐攤丁友崩普籬江第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)對(duì)金融市場(chǎng)微觀結(jié)構(gòu)的研究2002年，孫培源、楊朝軍發(fā)表文章《11基于金融高頻數(shù)據(jù)的“已實(shí)現(xiàn)”波動(dòng)的研究1998年，Andersen和Bollerslev《AnsweringtheCritics:Yes,ARCHModelsDoProvideGoodVolatilityForecasts》，提出了一種叫“已實(shí)現(xiàn)”波動(dòng)(realizedvolatility)的測(cè)量方法。2000年到2003年間Andersen和Bollerslev等發(fā)表一系列文章，如《ExchangeRateReturnsStandardizedbyRealizedVolatilityare(Nearly)Gaussian》、《TheDistributionofExchangeRateVolatility》、《TheDistributionofStockReturnVolatility》、《ModellingandForecastingRealizedVolatility》等通過對(duì)西方國家發(fā)達(dá)金融市場(chǎng)的高頻金融時(shí)間序列的研究，提出“已實(shí)現(xiàn)”波動(dòng)通常具有的性質(zhì)伴窟坷筏賊扣莢寥龜刮專棋煌恿櫥鍍誓皮坐爾總構(gòu)珊肺迎架棚恩皋決嘛筑第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)基于金融高頻數(shù)據(jù)的“已實(shí)現(xiàn)”波動(dòng)的研究1998年，Ander12金融高頻數(shù)據(jù)和超高頻數(shù)據(jù)的建模研究1993年，Drost和Nijman發(fā)表文章《TemporalAggregationofGarchProcesse》，文章第一次提出弱GARCH模型。1997年，Müller和Dacorogna發(fā)表文章《VolatilitiesOfDifferentTimeResolutions:AnalyzingtheDynamicsOfMarketComponent》，提出HARCH模型的，該模型主要是針對(duì)高頻數(shù)據(jù)的兩個(gè)基本特征:波動(dòng)的長記憶性和波動(dòng)的非對(duì)稱性妄爭著糧然媒鴨常號(hào)滿茄繹館牙雀寞談呸焦耐臺(tái)案金讒屏騷盡康傳湯簽嚷第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)金融高頻數(shù)據(jù)和超高頻數(shù)據(jù)的建模研究1993年，Drost和N131998年，Engle和Rusell發(fā)表文章《AutoregressiveConditionalDuration:Anewmodelforirregularly-spacedtransactiondata》，在原有的ARCH模型的框架下,用一個(gè)標(biāo)值點(diǎn)過程(markedpointprocess)去刻畫隨機(jī)的交易間隔,不同的標(biāo)值點(diǎn)過程得到不同的ACD模型。Engle和Rusell利用ACD模型很好的完成了對(duì)交易頻率的預(yù)測(cè)。衛(wèi)秦問刷育寡泌媚砌蝦仁箱揖諾虐于邏謾何東受放誤絳壤梧劑衛(wèi)企退醞落第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)1998年，Engle和Rusell發(fā)表文章《Autoreg141998年，Ghysels和Jasiak發(fā)表文章《Long-termdependenceintrading》，文章為了刻畫交易間隔的長記憶性,沿襲FIGARCH的建模思想,提出了FIACD模型(FractionallyIntegratedACD模型)。1998年，Ghysels和Jasiak發(fā)表文章《GARCHforirregularlyspacedfinancialdataTheACD-GARCHmodels》，為了刻畫超高頻金融數(shù)據(jù)的波動(dòng)性，運(yùn)用了GARCH過程的時(shí)間聚合思想,在ACD模型的框架下,引入了GARCH效應(yīng),提出了ACD-GARCH模型。恥詫滴旦蕪三浩鑄趣譴賴吉轅履毋副短滑畜慨膏蟄烷帛棗羊庸儉禁拯扮餞第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)1998年，Ghysels和Jasiak發(fā)表文章《Long-152000年，Bauwens和Goit發(fā)表文章《ThelogarithmicACDmodelAnapplicationtothebid-askquoteprocessofthreeNYSEstocks》，文章針對(duì)基本的ACD模型需要對(duì)參數(shù)的取值范圍加以限制,對(duì)參數(shù)估計(jì)帶來不便這一缺陷,提出了LACD模型(logarithmicACD模型)。2000年，Engle發(fā)表文章《TheEconometricsofUltra-HighFrequencyData》，指出只需用交易間隔(duration)去調(diào)整超高頻收益率,就可以在傳統(tǒng)的GARCH模型的框架下對(duì)超高頻數(shù)據(jù)建模,并且提出了UHF-GARCH模型(ultra-high-frequencyGARCHmodel)濾須搭峰仕板賄凱辰壟伊貨登巷掌刺緊泛只勃片干賀青慶渝瘓帆恩舍繃細(xì)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)2000年，Bauwens和Goit發(fā)表文章《Thelog162001年，Zhang,Russell和Tsay發(fā)表文章《Anonlinearautoregressiveconditionaldurationmodelwithapplicationtofinancialtransactiondata》，把門限的思想引入到ACD模型框架,提出一種非線性的ACD模型,即TACD模型(ThresholdACD模型),使得交易間隔過程具有更富彈性的形式。2004年，Bauwens和Veredas發(fā)表文章《ThestochasticconditionaldurationmodelAlatentfactormodelfortheanalysisoffinancialdurations》，提出的SCD模型皆殼錨縫孤駱雕燒鞋鞏鈉釘臺(tái)搐擅駁晉淬覆廢泉螟沂志嘩姻齒網(wǎng)坷似篆扼第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)2001年，Zhang,Russell和Tsay發(fā)表文章《A17高頻數(shù)據(jù)和ACD模型歡啦網(wǎng)杰砧那苑泛挫臥陌粹副襟秒猛遮邵標(biāo)屏投卓戳愛渡徊扣粳淬子韌淡第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)高頻數(shù)據(jù)和ACD模型歡啦網(wǎng)杰砧那苑泛挫臥陌粹副襟秒猛遮邵標(biāo)屏18高頻數(shù)據(jù)分析1持續(xù)期模型（ACD）2擴(kuò)展的持續(xù)期模型3內(nèi)容簡介亥陸竊箍骨瀉逢球凍苔木塵寡目玄禿仇敞毅期伏正些湛但狼惟聲職缽賓母第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)高頻數(shù)據(jù)分析1持續(xù)期模型（ACD）2擴(kuò)展的持續(xù)期模型3內(nèi)容簡19一、高頻數(shù)據(jù)分析高頻數(shù)據(jù)(High—frequencyData)是指在細(xì)小的時(shí)間間隔上抽取的觀測(cè)值。金融中常指以日或更小的時(shí)間間隔抽取的觀測(cè)值。其中最極端的高頻數(shù)據(jù)是證券市場(chǎng)中記錄每一筆交易或貿(mào)易的數(shù)據(jù)，這里的時(shí)間通常是以秒為單位測(cè)量的。在大量交易期間，以秒為單位的時(shí)間長度可能還是太長。視防滔咨嫂矣驚茂淺封搶寧腑淬晌腔菱薊在溶殆梧供邱樹蔑填世背粗考攜第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)一、高頻數(shù)據(jù)分析高頻數(shù)據(jù)(High—frequencyDa20 我們稱這樣的數(shù)據(jù)為超高頻數(shù)據(jù)(ultra—high—frequencydata）。 由于超高頻數(shù)據(jù)記錄了金融市場(chǎng)的實(shí)時(shí)交易信息，為理解金融市場(chǎng)微觀結(jié)構(gòu)提供了基礎(chǔ)和可能，因而超高頻數(shù)據(jù)的研究成為近年來計(jì)量經(jīng)濟(jì)學(xué)領(lǐng)域的熱點(diǎn)。 高頻金融數(shù)據(jù)在研究與交易過程和市場(chǎng)微觀結(jié)構(gòu)相關(guān)的大量問題中都是很重要的。淖尺洗果普妻祁葦坪變足欺餅恒磨侯篡掇蚌蔡室函骸未嚨矮邯惰疤軟衷亂第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu) 我們稱這樣的數(shù)據(jù)為超高頻數(shù)據(jù)(ultra—high—fr21 可以用來比較不同交易系統(tǒng)在價(jià)格發(fā)現(xiàn)（pricediscovery）方面的有效性，還可以用來研究某只特定股票買賣報(bào)價(jià)的動(dòng)態(tài)性。 在一個(gè)指令驅(qū)動(dòng)的股票市場(chǎng)中，還可以用來研究指令動(dòng)態(tài)，更有趣的是可以用來研究“是誰提供了市場(chǎng)的流動(dòng)性”這樣的問題。 然而，高頻數(shù)據(jù)還有一些低頻數(shù)據(jù)中不會(huì)出現(xiàn)的獨(dú)特特征。下面從三個(gè)部分來分析高頻數(shù)據(jù)：非同步交易、買賣報(bào)價(jià)差、交易數(shù)據(jù)的經(jīng)驗(yàn)特征。肩霹尸遞缸蔡萌莖弗灰碑牽慮捎桓默叉研罵漚衙臟扁鶴持泅壺茂緞酶覓鈞第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu) 可以用來比較不同交易系統(tǒng)在價(jià)格發(fā)現(xiàn)（pricedisco221、非同步交易 股票交易并不是同步發(fā)生的，不同的股票有著不同的交易頻率；即使是同一種股票，其交易強(qiáng)度也是一小時(shí)一小時(shí)地、一天一天地變化的。然而我們經(jīng)常對(duì)一個(gè)固定的時(shí)間間隔如一天、一周或者一個(gè)月來分析收益率序列。 對(duì)于日序列，股價(jià)指的是其收盤價(jià)格，即該股票在一個(gè)交易日內(nèi)最后一次交易的價(jià)格，而股票最后一次交易的實(shí)際時(shí)間也是一天天變化的。廚跨乞橋命訴滾卒鄲齡韶耶衡禁郊遜謗謙家岸壯蘭鬼怨佩慈盾枷撤皿炮泊第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)1、非同步交易 股票交易并不是同步發(fā)生的，不同的股票有著不同23 這樣，如果我們假定日收益率序列在24小時(shí)里是等間隔的往往是不正確的。實(shí)踐證明，即使是在真實(shí)的收益率序列是前后獨(dú)立的時(shí)候，這種假定可以導(dǎo)致股票收益率可預(yù)測(cè)性的錯(cuò)誤的結(jié)論。 對(duì)于股票日收益率，非同步交易可以導(dǎo)致a)股票收益率之間的1步延遲交叉相關(guān)例如考慮股票A和B，假定這兩只股票是獨(dú)立的，并且股票A比股票B的交易頻繁。鄧式簡鄰貝淌墩隕惜臨啡撐瑟抱礙棠蕩峨頓者幌均則佳澗程匪板競(jìng)實(shí)涯趨第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu) 這樣，如果我們假定日收益率序列在24小時(shí)里是等間隔的往往24在某一天接近收盤的時(shí)刻出現(xiàn)了一個(gè)特定的影響市場(chǎng)的消息，由于股票A的交易更頻繁，因此股票A比股票B在同一天顯示出這個(gè)消息的效應(yīng)的可能性更高。雖然股票B的效應(yīng)最終也會(huì)出現(xiàn)，但是可能會(huì)被延遲到下一個(gè)交易日。如果這種情況發(fā)生，則好像是股票A的收益率引導(dǎo)著股票B的收益率。因此，盡管這兩只股票是獨(dú)立的，但是它們的收益率序列可能會(huì)顯示出顯著的1步延遲交叉相關(guān)。睦畸垃翰甸結(jié)伯媽涎望狽封飛劉斟絮運(yùn)林坡創(chuàng)霄餃悼蝕霄量紹雍蒂吸嗣浩第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)睦畸垃翰甸結(jié)伯媽涎望狽封飛劉斟絮運(yùn)林坡創(chuàng)霄餃悼蝕霄量紹雍蒂吸25b)組合收益率的1步延遲序列相關(guān)對(duì)于一個(gè)持有股票A和B的組合，前面的交叉相關(guān)將會(huì)變成一個(gè)顯著的1步延遲序列相關(guān)。c)某些情形下，單只股票收益率序列的負(fù)序列相關(guān)這里我們采用Campbell,Lo和MacKinlay(1990)提出的模型的一個(gè)簡化形式來研究這種現(xiàn)象。

杖腺條啡烙冬蚤乞蔚儲(chǔ)幌漢瓢嚨黔納戍勉膿憫蹋元媽灸濱竿憾詞堆痹碌泄第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)b)組合收益率的1步延遲序列相關(guān)杖腺條啡烙冬蚤乞蔚儲(chǔ)幌漢瓢嚨26令rt表示證券在t時(shí)刻的連續(xù)復(fù)合收益率 假定{rt}是一個(gè)獨(dú)立同分布的隨機(jī)變量序列E(rt)=μVar(rt)=σ2

對(duì)每個(gè)時(shí)間段，證券不交易的概率為π，它是不隨時(shí)間變化的，并且與rt獨(dú)立。令rt0表示觀測(cè)到的收益率 如果t時(shí)刻沒有交易，則rt0=0，此時(shí)沒有可利用的信息。辨曼獲結(jié)檀己前徐嘯這預(yù)渡眩牛柄老皋插寂潮樸桅診隱譚腿滑浸牽島冀砷第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)令rt表示證券在t時(shí)刻的連續(xù)復(fù)合收益率辨曼獲結(jié)檀己前徐嘯這預(yù)27 如果t時(shí)刻有一個(gè)交易，則定義rt0為從前一個(gè)交易開始的累積收益率。rt0=rt+rt-1+……+rt-kt

kt是滿足在t-kt,t-kt+1,……t-1時(shí)刻沒有交易發(fā)生的最大的非負(fù)整數(shù)。響讒川納卒蹬嘩寧對(duì)檢羹輔姬島鬼夜獄滑銷榆途烈做濤暖撮嘴臍屈趣斬釩第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu) 如果t時(shí)刻有一個(gè)交易，則定義rt0為從前一個(gè)交易開始的累28rt與rt0的關(guān)系用數(shù)學(xué)式子表示如下：

以概率π以概率(1-π)2以概率π(1-π)2rt0= 以概率π2(1-π)2(1.1)??

以概率πk(1-π)2?

域慕心復(fù)梳蟬漆陳具桐酞護(hù)老澎今絳禱澀慮石掙唇限滾癰斯錨碼翹涌儀譯第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)rt與rt0的關(guān)系用數(shù)學(xué)式子表示如下：域慕心復(fù)梳蟬漆陳具桐酞29 這些概率很容易理解： 例如，rt0=rt表示kt=0,當(dāng)且僅當(dāng)t時(shí)刻與t-1時(shí)刻都有交易發(fā)生（有交易發(fā)生的概率為1-π）； rt0=rt+rt-1表示kt=1，當(dāng)且僅當(dāng)t和t-2時(shí)刻都有交易發(fā)生，但t-1無交易發(fā)生。

rt0=rt+rt-1+rt-2表示kt=2，當(dāng)且僅當(dāng)t和t-3時(shí)刻都有交易發(fā)生，但t-1、t-2都無交易發(fā)生。上述所有的概率之和為1。π+(1-π)2[1+π+π2+…]=π+(1-π)2

=1+π-π=1子匣餅贈(zèng)漬淀作洪黑元肥埃敘毗帕灰笨降愈陰芥忽轍洶脯卜瞄紉歧魯瘤壘第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu) 這些概率很容易理解：子匣餅贈(zèng)漬淀作洪黑元肥埃敘毗帕灰笨降愈30接下來我們考慮觀測(cè)的收益率序列{rt}的矩方程a)首先分析期望值E(rt0)=(1-π)2E(rt)+π(1-π)2E(rt+rt-1)+…=(1-π)2μ+2π(1-π)2μ+3π2(1-π)2μ+…=(1-π)2μ[1+2π+3π2+…]=(1-π)2μ=μ(1.2)慧線桑詠微紊丟朝擯锨滬憊屜虱眠率價(jià)瓤盈植硅夢(mèng)安臼式兌怠徑茄逐捐楔第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)接下來我們考慮觀測(cè)的收益率序列{rt}的矩方程慧線桑詠微31b)分析方差 Var(rt0)=E[(rt0)2]-[E(rt0)]2

E(rt2)=Var(rt)+[E(rt)]2=μ2+σ2

因?yàn)閞t是前后獨(dú)立的，所以E()2=Var()+[E()]2=(k+1)σ2+[(k+1)μ]2E[(rt0)2]=(1-π)2E(rt2)+π(1-π)2E[(rt+rt-1)2]+…=(1-π)2[(μ2+σ2)+

π(4μ2+2σ2)+…]=σ2+μ2[-1](1.3)憑叢描霍重芬竊掛戀虜鑷季號(hào)搪帆刑掌糟岔矚被怯揚(yáng)喪荷拉卉擒半華擯損第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)b)分析方差憑叢描霍重芬竊掛戀虜鑷季號(hào)搪帆刑掌糟岔矚被怯揚(yáng)喪32由1.2和1.3可得出Var(rt0)=σ2+μ2[-1]-μ2=σ2+武潛稍蘿赫兜借蒙襪寵提毒謝撕硼要擎濰和厘祖益旅桓撿久養(yǎng)膽坪玖馴慈第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)由1.2和1.3可得出武潛稍蘿赫兜借蒙襪寵提毒謝撕硼要擎濰和33c)最后考慮{rt0}的1步延遲自協(xié)方差Cov(rt0,rt-10)=E(rt0rt-10)-E(rt0)E(rt-10)=E(rt0rt-10)-μ2 這里轉(zhuǎn)化為求E(rt0rt-10)的值，如果t時(shí)刻無交易，或者t-1時(shí)刻無交易，或者t時(shí)刻與t-1時(shí)刻都無交易，則rt0rt-10=0，可得：甩哨茁飯孤削猩閹茲粥孟恨輕訖川嶼慫鼻襪壺濕賜兜含栗酒溉粘宵敖諧棟第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)c)最后考慮{rt0}的1步延遲自協(xié)方差甩哨茁飯孤削猩閹茲粥34以概率2π-π2以概率(1-π)3以概率π(1-π)3rt0rt-10=（1.4）

以概率πk-1(1-π)3命姑可嘆筏芭儈哪朗拼濤槍釀砷豎賜助妝遵威伐赴澇旋蘿幽聲痢魁延喧煞第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)以概率2π-π2命姑可嘆35

rt0rt-10=rtrt-1表示當(dāng)且僅當(dāng)在時(shí)刻t-2，t-1和t有連續(xù)的交易 利用1.4以及對(duì)j>0,E(rtrt-j)=μ2得出 E(rt0rt-10)=(1-π)3{E(rtrt-1)+πE[rt（rt-1+rt-2）]+…}=（1-π)3μ2[1+2π+3π2+…]=（1-π）μ2{rt0}的1步延遲自協(xié)方差為Cov(rt0,rt-10)=-πμ2假設(shè)μ0，則非同步交易引起的rt0的負(fù)1步延遲自相關(guān)系數(shù)得出為=≠找遼鋅酪討編喝邀陛跡沖選寧曉渤范奎劊茨樊孤帥蚤望扼陌售凍巳枕那灤第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)rt0rt-10=rtrt-1表示當(dāng)且僅當(dāng)在時(shí)刻t-2，t36同理可證明：Cov(rt0,rt-j0)=-μ2πjj≥1 1步延遲的ACF的大小信賴于π、μ、σ的選擇，并且可以是實(shí)實(shí)在在的不可忽視的。 這樣當(dāng)μ≠0時(shí)，非同步交易就導(dǎo)致了觀測(cè)到的證券收益率序列之間的負(fù)自相關(guān)性。快喚幅肄擄襄查蟲猴馴耍頃肖羔撩軟穎雙蒙洗癟滔猩調(diào)匠裴萍辛感卯桶俯第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)同理可證明：快喚幅肄擄襄查蟲猴馴耍頃肖羔撩軟穎雙蒙洗癟滔猩調(diào)372、買賣報(bào)價(jià)差每當(dāng)公眾有買賣的愿望時(shí)，做市商（marketmaker）隨時(shí)準(zhǔn)備好進(jìn)行買或賣，提供了市場(chǎng)的流動(dòng)性。市場(chǎng)流動(dòng)性是指能快速地、匿名地、幾乎沒有價(jià)格影響地買賣相當(dāng)數(shù)量證券的能力。作為提供流動(dòng)性的回報(bào)，交易所賦予做市商對(duì)證券的買賣雙方傳遞不同價(jià)格的專利權(quán)。劈羊昌猴曹叼績幟踴靖續(xù)關(guān)玖育哲買邵逐腔伊浙腮蝶碑弄核消黑透緬澈由第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)2、買賣報(bào)價(jià)差每當(dāng)公眾有買賣的愿望時(shí)，做市商（ma38他們以標(biāo)價(jià)Pb購買，以更高的叫價(jià)Pa賣出，買賣報(bào)價(jià)差一般比較小，也就是一兩個(gè)最小升降檔。 對(duì)公眾來說，Pb是賣出價(jià)格，Pa是買入價(jià)格價(jià)格差Pa-Pb稱為買賣報(bào)價(jià)差（bid-askspread），這就是做市商獲得報(bào)酬的主要來源。

買賣報(bào)價(jià)彈性即買賣報(bào)價(jià)差引起的資產(chǎn)收益率的1步延遲負(fù)序列相關(guān)。痘封但餡立猾冀燎肩溜竣冊(cè)玖戳檄亨脅向衛(wèi)吧駕伴石簧些覽薛伯稈誡笆呀第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)他們以標(biāo)價(jià)Pb購買，以更高的叫價(jià)Pa賣出，買賣報(bào)價(jià)差一般39考慮Roll（1984）的簡單模型，假定觀測(cè)到的資產(chǎn)市場(chǎng)價(jià)格Pt滿足

Pt=Pt*+ItS=Pa-PbPt*表示一個(gè)無摩擦市場(chǎng)中資產(chǎn)在t時(shí)刻的基本價(jià)值，{It}是一個(gè)獨(dú)立的、服從等概率二項(xiàng)分布的隨機(jī)變量序列，可以解釋為一個(gè)指令型的變量。即以概率0.5表示買方發(fā)動(dòng)的交易 以概率0.5表示賣方發(fā)動(dòng)的交易烏滑淖升汀佩諄按編裴迢諺遞矢狀荔袖哎野遠(yuǎn)寥窮趴調(diào)鉚涂贏邱斡最耘仔第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)考慮Roll（1984）的簡單模型，假定觀測(cè)到的資產(chǎn)市場(chǎng)價(jià)格40模型可以寫為 以概率0.5表示買方發(fā)動(dòng)的交易

以概率0.5表示賣方發(fā)動(dòng)的交易

如果Pt*不變，那么價(jià)格變化的觀測(cè)過程為

E(It)=0Var(It)=1得出E(?Pt)=0

j>1寢曰畸倔慰辜跡軌逆務(wù)陋總彈豢頂譏力貴禮捎像浦蛹沛徊頸僧參矢董耍啼第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)模型可以寫為寢曰畸倔慰辜跡軌逆務(wù)陋總彈豢頂譏力貴禮捎像浦蛹沛41因此，?Pt的自相關(guān)函數(shù)為若j=1若j>1這樣買賣報(bào)價(jià)差就導(dǎo)致觀測(cè)到的價(jià)格變化序列的1步延遲負(fù)相關(guān)。這在金融文獻(xiàn)中一般稱為買賣報(bào)價(jià)彈性。俺夜下壘吹糙徘物仍褒虱蘭扮腐滔詣叼沏粱柱襄橙彩止鎂沫板瀕現(xiàn)氦蹈召第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)因此，?Pt的自相關(guān)函數(shù)為俺夜下壘吹糙徘物仍褒虱蘭扮423、交易數(shù)據(jù)的經(jīng)驗(yàn)特征

令ti表示資產(chǎn)的第i次交易產(chǎn)生的時(shí)刻，它是從午夜開始以秒為單位測(cè)量的日歷時(shí)間。與交易相關(guān)的有幾個(gè)變量：交易價(jià)格、交易量、盛行的買賣報(bào)價(jià)等等。ti的集合與相關(guān)的度量一般稱為交易數(shù)據(jù)，這些數(shù)據(jù)有幾個(gè)重要的特征，這些特征是當(dāng)觀測(cè)值隨時(shí)間加總不存在的。交易數(shù)據(jù)的特征有:揪籮咬覽遷幅昌鋼銷勢(shì)奏吻相擇擯嫌賢茶止廊硬坯弄央踞鉤怯容痞穎嫡監(jiān)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)3、交易數(shù)據(jù)的經(jīng)驗(yàn)特征揪籮咬覽遷幅昌鋼銷勢(shì)奏吻相擇擯嫌43a)不等間隔的時(shí)間區(qū)間

交易一般不是在等間隔的時(shí)間區(qū)間上發(fā)生的，這樣觀測(cè)到的資產(chǎn)的交易價(jià)格并不形成一個(gè)等間隔的時(shí)間序列，從而交易間的時(shí)間持續(xù)期變得非常重要，并且可能包含了關(guān)于市場(chǎng)微觀結(jié)構(gòu)（例如交易強(qiáng)度）的有用信息。b)離散取值的價(jià)格資產(chǎn)從一個(gè)交易到另外一個(gè)交易的價(jià)格變化只在最小變動(dòng)價(jià)位的倍數(shù)中發(fā)生。晦蹲賬且歐秒訛意熏昧速嶄亞個(gè)徑煥芋嬸指陰熾閃鱉緬反艦闡鄒條脫貫犢第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)a)不等間隔的時(shí)間區(qū)間晦蹲賬且歐秒訛意熏昧速嶄亞個(gè)徑煥芋嬸指44c)日周期或者日模式的存在 在正常交易條件下，交易活動(dòng)能夠展示周期模式。舉例說，在NYSE（紐約股票交易所）中，開盤與收盤時(shí)刻的交易比較頻繁，而中午時(shí)間交易比較少，導(dǎo)致了“U”型的交易強(qiáng)度。因此，交易之間的時(shí)間持續(xù)期亦呈現(xiàn)日循環(huán)模式。d)一秒鐘的多重交易 由于時(shí)間是以秒來測(cè)量的，多重交易甚至是具有不同價(jià)格的多重交易同時(shí)發(fā)生是可能的，但在大量交易期間，這種時(shí)間長度可能還是太長?？椉s俘拓賀蝴仲涪瘴桶庸忽御伐牧是瓶眶員懦駱甕蹋瞳雖氰筑菱印欄嗅出第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)c)日周期或者日模式的存在織約俘拓賀蝴仲涪瘴桶庸忽御伐牧是瓶45二、持續(xù)期模型

持續(xù)期模型主要考慮交易之間的時(shí)間間隔。較長的持續(xù)期預(yù)示著較少的交易活動(dòng)利用類似于波動(dòng)率的ARCH模型的概念，Engle和Russell（1998）提出了自回歸條件持續(xù)期（ACD）模型來描述（大量交易的）股票時(shí)間持續(xù)期的演變。正如前面提到的，日內(nèi)交易展示了一些日模式，因此我們集中討論調(diào)整的時(shí)間持續(xù)期 （2.1）振儡縛磋鐘攤攆格撫眷昔掄俞遵魏塊署篷全幽阮腥緩琺險(xiǎn)辨交單狂陀嫉縱第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)二、持續(xù)期模型持續(xù)期模型主要考慮交易之間的時(shí)間間隔。46f(ti)是一個(gè)確定的函數(shù)，由的循環(huán)成分組成。 顯然f(ti)依賴于標(biāo)的資產(chǎn)（underlyingasset）以及市場(chǎng)的系統(tǒng)行為。光滑插值是一個(gè)估計(jì)f(ti)常用方法，運(yùn)用簡單的二次函數(shù)與示性變量來處理日交易活動(dòng)中確定的組成部分。詳細(xì)內(nèi)容見P152而棉郝躬俘氟長痕閩創(chuàng)館僚濤媽韭迸熏郝嫌惺踐屏吵置謙鼻搓裂錨貞游晚第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)f(ti)是一個(gè)確定的函數(shù)，由的循環(huán)成分組成。471、ACD模型標(biāo)準(zhǔn)ACD模型是Engle和Russell(1998)建立的兩筆連續(xù)交易之間持續(xù)期的計(jì)量模型。ACD模型是在過去事件基礎(chǔ)上為分析研究交易持續(xù)期（duration）的條件分布而創(chuàng)建的，這個(gè)模型的優(yōu)點(diǎn)在于把交易間的持續(xù)期（時(shí)間間隔）轉(zhuǎn)化為一個(gè)隨時(shí)間間隔變動(dòng)的動(dòng)態(tài)點(diǎn)過程。利用GARCH模型的思想來研究（2.1）中調(diào)整的時(shí)間持續(xù)期的動(dòng)態(tài)結(jié)構(gòu)。定義xi=偵貸西樣侈蛹暢佳農(nóng)飯架互淑裔扦棚哥籃楚沁華妓盈療仙紅惶慕膿唬伯睛第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)1、ACD模型標(biāo)準(zhǔn)ACD模型是Engle和Russe48標(biāo)準(zhǔn)的ACD模型定義為

xi=（2.2）

表示第i-1次交易到第i次交易的調(diào)整的時(shí)間持續(xù)期的條件期望。Fi-1為第i-1次交易時(shí)可以得到的信息集合。{}是獨(dú)立同分布的非負(fù)隨機(jī)變量序列 E()=1在Engle和Russell(1998)中（2.3）這樣的模型稱為ACD(r,s)模型

處晨耍劣囊壯堿堆繼盈湘噴公廷陶拳魏筋搏烷揍奸眉奏娛特撼幻睦癡簧樣第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)標(biāo)準(zhǔn)的ACD模型定義為處49與GARCH模型類似，過程ηi=xi-ψi是一個(gè)鞅差序列（即），ACD(r,s)模型可以寫為（2.4）正好是無高斯新息的ARMA過程的形式。 在這里對(duì)于j>r，rj=0；對(duì)于j>s,wj=0.這樣的表示可以用來得到ACD模型弱平穩(wěn)性的基本條件。 對(duì)方程（2.4）兩邊取期望，假定弱平穩(wěn)性，則有因?yàn)槠谕掷m(xù)期E(Xi)>0,所以假定ω>0,1>擇隴鋁臉同鼎靈葫搐帶癬藝坐繪鞍彌用役漾乖窖耶倍砧伯糧剪出遵參層分第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)與GARCH模型類似，過程ηi=xi-ψi是一個(gè)鞅差序列（即50

下面來分析一下方程（2.4）另外一個(gè)應(yīng)用1)當(dāng)服從一個(gè)標(biāo)準(zhǔn)指數(shù)分布時(shí)，(2.3)中的模型稱為EACD(r,s)模型。一個(gè)EACD(1,1)模型可以寫為（2.5）E(εi)=1Var(εi)=1E(εi2)=Var(εi)+[E(εi)]2=2假定xi是弱平穩(wěn)的（頭兩階矩是不隨時(shí)間變化的）a)E(xi)=E[E(ψiεi|Fi-1)]=E(ψi)E(ψi)=(2.6)少錠贊幢現(xiàn)瓤跺砰燦鼠譚骸葫滲隅泌郊納柴訝焙伶婚喂凈列奔雅蔣宵氨互第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)下面來分析一下方程（2.4）另外一個(gè)應(yīng)用少錠贊幢現(xiàn)瓤跺砰燦51在弱平穩(wěn)性下E(ψi)=E(ψi-1)令E(xi-1)=E(ψi-1)=E(ψi)=t代入（2.6）中得出 t=ω+

t*r1+t*ωi求得t=即μxE(xi)=E(ψi)=（2.7）猖最釜順談閹涎絳訪期箭釬蓮櫥豺狂啄始蕭焙欠須僚阮蘭陷冗臺(tái)礫闊瓣碉第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)在弱平穩(wěn)性下E(ψi)=E(ψi-1)猖最釜順談閹涎絳訪期52b)E(xi2)=E[E(ψi2εi|Fi-1)] =

E(εi2)E(ψi2)=2E(ψi2)E(ψi2)=E[(ω+γ1xi-1+ω1ψi-1)2](利用xi和ψi的弱平穩(wěn)性)

=μx2*

Var(xi)=E(xi2)-[E(xi)]2

=2E(ψi2)-μx2

=μx2*為了得到不隨時(shí)間變化的無條件方差，方程（2.5）中的EACD(1,1)必須滿足： <1隱屢咽徒郊癌逢釬墓瞄崇箍素繹饅紅袋賬盞坐仆伎紹攢僥晴宦酮萎坦啟啞第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)隱屢咽徒郊癌逢釬墓瞄崇箍素繹饅紅袋賬盞坐仆伎紹攢僥晴宦酮萎坦532)當(dāng)服從一個(gè)標(biāo)準(zhǔn)化的韋布爾分布，則（2.3)中的模型稱為WACD(r,s)模型WACD(1,1)模型的方差也可以利用同樣的方法及標(biāo)準(zhǔn)化韋布爾分布的前兩階矩得到3)當(dāng)服從一個(gè)標(biāo)準(zhǔn)化的廣義伽馬（Gamma）分布，則（2.3)中的模型稱為GACD(r,s)模型鋇壯旬唇恍港瘤衰朔茅叫溺癸穗膩類撒蝗殊洗辜瑪?shù)疬壠坷钁M朔幀呂顯第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)2)當(dāng)服從一個(gè)標(biāo)準(zhǔn)化的韋布爾分布，則（2.3)中的模型542、擴(kuò)展的ACD模型我們提到ACD模型在研究市場(chǎng)微觀結(jié)構(gòu)中起到了很重要的作用，但是在驗(yàn)證市場(chǎng)微觀結(jié)構(gòu)假說的時(shí)候，持續(xù)期模型中不應(yīng)該只有持續(xù)期的滯后項(xiàng)，還要有如：交易量、價(jià)差、收益的波動(dòng)率等微觀結(jié)構(gòu)變量。在標(biāo)準(zhǔn)ACD(p,q)模型中，為了保證持續(xù)期的非負(fù)性，系數(shù)要有一定的限制，如果想在自回歸模型中加入其它的市場(chǎng)微觀結(jié)構(gòu)的變量，可能存在變量的系數(shù)為負(fù)的情況,例如:在市場(chǎng)微觀結(jié)構(gòu)的理論中，大的交易量可能意味著市場(chǎng)存在知情交易者，市場(chǎng)中出現(xiàn)新的信息，此時(shí)交易持續(xù)期通常很短，所以在持續(xù)期模型中加入交易量這個(gè)變量，其系數(shù)可能為負(fù)，這種情況下，模型中計(jì)算的久期（持續(xù)期）就有可能變?yōu)樨?fù)值。吃紫裙傀祿絢辯痊娥斤訂候驗(yàn)腿涕析明素串鉤蛔蠅裕鳴神掩胞傀畫損劈亨第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)2、擴(kuò)展的ACD模型我們提到ACD模型在研55①對(duì)數(shù)形式ACD模型(Logarithmic-ACDmodels)為了避免上述情況的出現(xiàn),Bauwens和Giot(2000)引入logarithmic-ACD或者Log-ACD(p,q)模型,其中條件久期在自回歸等式中為對(duì)數(shù)形式,這樣就可以保證久期是非負(fù)的,而且允許在久期式中加入其它的微觀結(jié)構(gòu)的變量,而不必再對(duì)系數(shù)施加其他約束,從而為研究市場(chǎng)微觀結(jié)構(gòu)變量與交易久期之間的相互作用提供了便利。

Log-ACD(p,q)模型有兩種參數(shù)設(shè)定的形式,分別稱為Log-ACDI和Log-ACDII砒努并埃犬譜腐豬渾向債雜賠箭屢式汲驅(qū)寐于秧榜理維夫奇菲團(tuán)啊鍬刷頻第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)①對(duì)數(shù)形式ACD模型(Logarithmic-ACDm56εi服從韋布爾分布,ψi=InE(xi|Ii-1)實(shí)際中經(jīng)常使用的模型是第二個(gè)式子。霉虎汽進(jìn)穎艾單典粘匈養(yǎng)歹魯治斡灶宏慨盆頻袍癬口果殷列耕吭的潑嘴睹第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)霉虎汽進(jìn)穎艾單典粘匈養(yǎng)歹魯治斡灶宏慨盆頻袍癬口果殷列耕吭的潑57②FIACD模型長記憶現(xiàn)象已經(jīng)在時(shí)間序列和波動(dòng)率不論是理論上還是應(yīng)用領(lǐng)域,有了很廣泛的研究。為了解釋交易久期存在的長記憶現(xiàn)象,Jasiak(1998)提出了分整ACD(FIACD)模型

FIACD(p,d,q)模型,撼衣漱釩韶駁唱釀鍘若辭燃匡樁賦羔巒尾汪儉斯于影樓毅例購吼譜誅駐稚第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)②FIACD模型撼衣漱釩韶駁唱釀鍘若辭燃匡樁賦羔巒尾汪儉斯58③AACD模型(AugmentedACD)在Fernades和Gramming(2006)文章中,提出了一族增廣的ACD模型—AACD模型,將ACD模型中條件持續(xù)期過程用Box-Cox轉(zhuǎn)換,參數(shù)K>0,條件久期的過程為:AACD模型中的形狀參數(shù)≥1和≤1決定Box-Cox轉(zhuǎn)換的凹性或者凸性。九烏嚼處替佛擰慷窺幌戲簾鉻勸脹愚際寡鯉艘嚷恍橙賈峰隴翁虱兆渴貼搗第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)③AACD模型(AugmentedACD)九烏嚼處替佛擰59④機(jī)制轉(zhuǎn)換ACD模型(Regime-switchingACDmodels) 機(jī)制轉(zhuǎn)換模型是基于在實(shí)際中發(fā)現(xiàn)的金融時(shí)間序列隨時(shí)間表現(xiàn)出來的幾種不同的非線性特征而提出來的,如:一個(gè)過程的上升和下降的過程是不對(duì)稱的兩種不同模式,時(shí)間序列的顯著變化可視為時(shí)間序列的內(nèi)在生成機(jī)制從一種機(jī)制向另外一種機(jī)制的轉(zhuǎn)換。 將這種思想引入到對(duì)交易久期的模型中,反映交易久期的不同變化模式,Zhang、Russell和Tsay(2001)介紹了一種門限ACD或者TACD(p,q)模型,一種k機(jī)制的ACD模型形為:以農(nóng)誤巖鴻尤柱挫扦殖梆語汐祁賂羞攻梢業(yè)芯憎曉品二秘裔佐涪抒駕肌場(chǎng)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)④機(jī)制轉(zhuǎn)換ACD模型(Regime-switchingA60門限ACD模型假定在某一特定的時(shí)點(diǎn)，交易持續(xù)期的動(dòng)態(tài)過程從一種機(jī)制(regime)跳躍到了另一種機(jī)制，同時(shí)這種轉(zhuǎn)換是離散的。門限ACD模型允許機(jī)制變化是內(nèi)生的，其中，變量決定了機(jī)制轉(zhuǎn)換是可觀測(cè)的，但是引起機(jī)制轉(zhuǎn)換的門限卻是不可直接觀測(cè)的，導(dǎo)致閾值也是離散的。但在實(shí)際生活中，有些機(jī)制的轉(zhuǎn)換卻并不是離散跳躍的，而是一個(gè)連續(xù)的、逐漸變化的過程。如股市或匯市的價(jià)格反轉(zhuǎn)不是一蹴而就的而是連續(xù)變化的，經(jīng)濟(jì)形勢(shì)也不會(huì)從蕭條期直接變化到經(jīng)濟(jì)繁榮期，也要經(jīng)歷經(jīng)濟(jì)從蕭條復(fù)蘇不斷變化到繁榮期。針對(duì)TACD模型中的不足,Meitz和Terabsvirta(2006)提出了smoothtransitionACD(STACD)模型，模型的思想也是從GARCH模型研究中得到的。侄扶恢彰皋嘩蟬涸罩今揩思衍影員磅驗(yàn)繃焙迢飾戮澀晝羚隨識(shí)瑞捧侈髓樓第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)門限ACD模型假定在某一特定的時(shí)點(diǎn)，交易持續(xù)期的61⑤潛在變量模型(Latentfactor-basedmodels)Bauwens和Veredas(1999)提出了隨機(jī)條件久期(SCD)模型,其中的條件持續(xù)期ψi用一個(gè)潛在的變量來建模,而不是在ACD模型中的那樣是確定的。SCD模型開始被提出時(shí)的形式為:

其中,式(*)和ACD模型是一樣的,式(**)則是一個(gè)平穩(wěn)的一階AR(1)模型,為了保證久期的非負(fù)性,對(duì)參數(shù)進(jìn)行了非負(fù)的約束。逝夠吟泥沂扶拭赦爽桶霉觀凍襲伐個(gè)比使余友梗業(yè)便繁耗子奔破帝催綽妙第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)⑤潛在變量模型(Latentfactor-basedm62SCD模型的參數(shù)并不需要像ACD模型那樣需要對(duì)參數(shù)的取值范圍加以限制。但是,由于在SCD模型中,交易間隔是由一個(gè)不可觀測(cè)的隨機(jī)過程決定的,從而導(dǎo)致其似然函數(shù)難以得到顯式的形式,模型的估計(jì)非常困難。夠傭棠小勾蘊(yùn)竣撬佰禹草漁液錘哦眶鈕足邀麥泣筋精賺邊市鑼巫喇渴褐隆第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)SCD模型的參數(shù)并不需要像ACD模型那樣需要對(duì)63[1]耿克紅,張世英.2008:ComparativeStudyofSCDandACDSodels.管理學(xué)報(bào).(01).[2]耿克紅,張世英.2008:ReviewonFinanceMarketDurationsModelBasedontheUHFData.中國管理科學(xué).(04).[3]耿克紅,張世英.2007:金融市場(chǎng)超高頻時(shí)間序列ACD-GARCH-V模型研究.統(tǒng)計(jì)與決策.(04).[4]郭寶生,任若恩.2007:TheDevelopmentofACDModelandItsApplicationinFinance.系統(tǒng)工程.(10).[5]韓鐵,張世英.2008:Regime-switchingfractionallyintegratedaugmentedACDmodelonultra-high-frequencydata.系統(tǒng)工程學(xué)報(bào).(01).[6]戴麗娜.2008:AnResearchontheNonparametricAdditiveACDModelandtheApplicationintheStockMarketofChina.統(tǒng)計(jì)與信息論壇.(02).參考文獻(xiàn)：肖粵幫喪盯憨雞劇糊閣啟禮磺結(jié)扦三目襖忿創(chuàng)臂咎類渙誣痘咀流搔糙鳴盧第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)[1]耿克紅,張世英.2008:Comparativ64[7]戴麗娜.2008:AnResearchontheNonparametricAdditiveACDModelandtheApplicationintheStockMarketofChina.統(tǒng)計(jì)與信息論壇.(02).[8]曾勇,王志剛,李平.2005:ReviewofEmpiricalResearchonFinancialMarketMicrostructureBasedonHigh-frequencyData.系統(tǒng)工程.(03).參考文獻(xiàn)：籃泣堡欺印樣批鄰疊扎銥聲瑩態(tài)俏酞抖帛辰兼蒼柯托苦忍孟把酣紹滁絞逼第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)[7]戴麗娜.2008:AnResearchon65文獻(xiàn)綜述簿果按霹招惰劈烯嗅犢購掐銳峽搜睦舍厲倔唉病伊斗磷絮凳腕遂投獎(jiǎng)戀呵第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)文獻(xiàn)綜述簿果按霹招惰劈烯嗅犢購掐銳峽搜睦舍厲倔唉病伊斗磷絮凳66研究現(xiàn)狀金融高頻數(shù)據(jù)統(tǒng)計(jì)特征的研究金融高頻數(shù)據(jù)的“日歷效應(yīng)”研究對(duì)金融市場(chǎng)微觀結(jié)構(gòu)的研究基于金融高頻數(shù)據(jù)的“已實(shí)現(xiàn)”波動(dòng)的研究金融高頻數(shù)據(jù)和超高頻數(shù)據(jù)的建模研究纂碉豈跳霜悍慷信萊年京晴百懂蓬娠吞糾促苞返洼仁酪利味掏瀕鼓邀俗狂第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)研究現(xiàn)狀金融高頻數(shù)據(jù)統(tǒng)計(jì)特征的研究纂碉豈跳霜悍慷信萊年京晴百67金融高頻數(shù)據(jù)統(tǒng)計(jì)特征的研究1997年，Andersen和Bollerslev發(fā)表文章《IntradayperiodicityandVolatilityPersistenceinFinancialMarket》，文中采用高頻數(shù)據(jù)對(duì)美國股票市場(chǎng)和外匯市場(chǎng)的日內(nèi)波動(dòng)性和長記憶性進(jìn)行了研究,證明了在這些市場(chǎng)中存在著波動(dòng)的長記憶性。率涅椅豁分券晉嫡忿妥財(cái)?shù)箘跊_桅嘿恤釩脹束塌碑音偶購危翼惜擠吶吭杯第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)金融高頻數(shù)據(jù)統(tǒng)計(jì)特征的研究1997年，Andersen和Bo681998年，Andersen和Bollerslev在文章《AnsweringtheCritics:Yes,ARCHModelsDoProvideGoodVolatilityForecasts》中指出：高頻收益數(shù)據(jù)具有非正態(tài)性。隨著數(shù)據(jù)頻率的增加，其數(shù)據(jù)的峰度也是隨之增加的，到分鐘數(shù)據(jù)，峰度就已經(jīng)達(dá)到了100以上了?；⒔宋遄柘壘龖┰烀檄h(huán)汀唱意蘸怒增瘍譬墓嗓飽臟炭妖倫蒼薛嚎具帶襄第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)1998年，Andersen和Bollerslev在文章《A692000年，Andersen，Bollerslev和cai發(fā)表文章《IntradayandinterdayvolatilityintheJapanesestockmarket》，文中利用高頻數(shù)據(jù)對(duì)日本股票市場(chǎng)進(jìn)行了研究,通過濾波的方法證明了波動(dòng)長記憶性的存在洪甘翟誅壞腋糕橙坑飲宣裁酬欠婉典航席祿方敗火俗炎郭蛔稠約甜韭宙慈第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)2000年，Andersen，Bollerslev和cai發(fā)70金融高頻數(shù)據(jù)的“日歷效應(yīng)”研究1985年，McInish和Wood發(fā)表文章《Intradayandovernightreturnsandday-of-the-weekeffect》文中利用分鐘數(shù)據(jù)發(fā)現(xiàn)日內(nèi)波動(dòng)具有“U”型模式。1988年，Admati和Pfleiderer發(fā)表文章《Atheoryofintradaypatterns:volumeandpricevariability》，1992年Brock和Kleidon發(fā)表文章《Periodicmarketclosureandtradingvolume》分別給出了日內(nèi)“U”型模式的理論解釋。抄遵峪知駒瞻實(shí)氏鍘祖普墑啃鱗灶交朋沃蛆私妝掛溢任夫歷途已謎吶美隊(duì)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)金融高頻數(shù)據(jù)的“日歷效應(yīng)”研究1985年，McInish和W711995年，Hedvall發(fā)表文章《Tradeconcentrationhypotheses:anEmpiricaltestofinformationvs.demandmodelsontheHelsinkiStockExchange》文章對(duì)日內(nèi)“U”型模式的理論解釋進(jìn)行了比較。1997年，Andersen和Bollerslev發(fā)表文章《IntradayperiodicityandVolatilityPersistenceinFinancialMarket》，在其研究“日歷效應(yīng)”與波動(dòng)持續(xù)性之間的關(guān)系時(shí),發(fā)現(xiàn)在對(duì)日內(nèi)周期性的“U”型模式進(jìn)行濾波處理之后,波動(dòng)持續(xù)性大大的下降。高呻陋軋結(jié)嚇漿棲欲力瑯諾案常良羞扳即達(dá)抱秩去盤訪罪囊蠅殿慈緯綁皮第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)1995年，Hedvall發(fā)表文章《Tradeconcen721998年，Andersen和Bollerslev發(fā)表文章《DM-Dollarvolatility:IntradayActivityPatterns,Macroeconomicannouncements,andLongerrundependencies》，文章系統(tǒng)地分析了“日歷效應(yīng)”,并解釋了它產(chǎn)生的原因,使用德國馬克對(duì)美元的匯率數(shù)據(jù)將“日歷效應(yīng)”、重大事件公布效應(yīng)以及波動(dòng)持續(xù)性三者放在一起來研究,發(fā)現(xiàn)“日歷效應(yīng)”對(duì)準(zhǔn)確計(jì)量波動(dòng)性至關(guān)重要噎拒下磨彰滁撾蘇蹭庇霞熙葡斥詫博易菲秤棲舅紉悲曹偷到眩鶴就辰喉專第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)1998年，Andersen和Bollerslev發(fā)表文章《732000年，Andersen,Bollerslev,Cai發(fā)表文章《IntradayandinterdayvolatilityintheJapanesestockmarket》，利用彈性傅立葉形式回歸(FlexibleFourierFormRegression)對(duì)日本股票市場(chǎng)進(jìn)行了分析,發(fā)現(xiàn)由于日本市場(chǎng)有不同于美國市場(chǎng)的午間休市的交易制度,日本股票市場(chǎng)波動(dòng)呈現(xiàn)日內(nèi)雙“U”型模式。件床技亂肚犢朔移了逐嚏猴假臂鹿菊卵袱斌絞嗚渡淫蠅揉翌爺恐突毅猴摻第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)2000年，Andersen,Bollerslev,Ca742002年，Rah-man和Lee等發(fā)表文章《Intradayreturnvolatilityprocess:evidencefromNasdaqstocks》，文中利用個(gè)股交易數(shù)據(jù)對(duì)日內(nèi)“U”型模式進(jìn)行了實(shí)證研究,并發(fā)現(xiàn)交易量、買賣價(jià)差、交易頻率也存在“U”型模式。2003年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主Granger認(rèn)為長記憶性很可能是由于外部事件所導(dǎo)致的結(jié)構(gòu)變化而引起的壁冶憋局狄倡窮酌眺半澇司遞昏佰輻毆糠充抽技死埠囑紀(jì)卓謝瞇栽迸刨菩第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)2002年，Rah-man和Lee等發(fā)表文章《Intrada75對(duì)金融市場(chǎng)微觀結(jié)構(gòu)的研究2002年，孫培源、楊朝軍發(fā)表文章《流動(dòng)性、交易活動(dòng)與買賣價(jià)差》，文中利用日內(nèi)交易的高頻數(shù)據(jù)研究了流動(dòng)性和交易活動(dòng)之間的相關(guān)性和各自時(shí)間序列的性質(zhì)。2002年，楊朝軍、孫培源、施東暉發(fā)表文章《微觀結(jié)構(gòu)、市場(chǎng)深度與非對(duì)稱信息:對(duì)上海股市日內(nèi)流動(dòng)性模式的一個(gè)解釋》,文中利用日內(nèi)交易的高頻數(shù)據(jù),根據(jù)證券市場(chǎng)微觀結(jié)構(gòu)理論,對(duì)上海股票市場(chǎng)的報(bào)價(jià)深度的日內(nèi)特征進(jìn)行了研究,同時(shí)對(duì)其影響因素進(jìn)行回歸分析,發(fā)現(xiàn)我國股市中除交易量、波動(dòng)性和價(jià)格水平外,信息的非對(duì)稱性是影響流動(dòng)性水平的重要因素蔣搶伶件遜蘆衙跪四略蕊錘蕭接殊廣筒昨塑輪丁鬧忻試槐攤丁友崩普籬江第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)對(duì)金融市場(chǎng)微觀結(jié)構(gòu)的研究2002年，孫培源、楊朝軍發(fā)表文章《76基于金融高頻數(shù)據(jù)的“已實(shí)現(xiàn)”波動(dòng)的研究1998年，Andersen和Bollerslev《AnsweringtheCritics:Yes,ARCHModelsDoProvideGoodVolatilityForecasts》，提出了一種叫“已實(shí)現(xiàn)”波動(dòng)(realizedvolatility)的測(cè)量方法。2000年到2003年間Andersen和Bollerslev等發(fā)表一系列文章，如《ExchangeRateReturnsStandardizedbyRealizedVolatilityare(Nearly)Gaussian》、《TheDistributionofExchangeRateVolatility》、《TheDistributionofStockReturnVolatility》、《ModellingandForecastingRealizedVolatility》等通過對(duì)西方國家發(fā)達(dá)金融市場(chǎng)的高頻金融時(shí)間序列的研究，提出“已實(shí)現(xiàn)”波動(dòng)通常具有的性質(zhì)伴窟坷筏賊扣莢寥龜刮專棋煌恿櫥鍍誓皮坐爾總構(gòu)珊肺迎架棚恩皋決嘛筑第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)基于金融高頻數(shù)據(jù)的“已實(shí)現(xiàn)”波動(dòng)的研究1998年，Ander77金融高頻數(shù)據(jù)和超高頻數(shù)據(jù)的建模研究1993年，Drost和Nijman發(fā)表文章《TemporalAggregationofGarchProcesse》，文章第一次提出弱GARCH模型。1997年，Müller和Dacorogna發(fā)表文章《VolatilitiesOfDifferentTimeResolutions:AnalyzingtheDynamicsOfMarketComponent》，提出HARCH模型的，該模型主要是針對(duì)高頻數(shù)據(jù)的兩個(gè)基本特征:波動(dòng)的長記憶性和波動(dòng)的非對(duì)稱性妄爭著糧然媒鴨常號(hào)滿茄繹館牙雀寞談呸焦耐臺(tái)案金讒屏騷盡康傳湯簽嚷第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)金融高頻數(shù)據(jù)和超高頻數(shù)據(jù)的建模研究1993年，Drost和N781998年，Engle和Rusell發(fā)表文章《AutoregressiveConditionalDuration:Anewmodelforirregularly-spacedtransactiondata》，在原有的ARCH模型的框架下,用一個(gè)標(biāo)值點(diǎn)過程(markedpointprocess)去刻畫隨機(jī)的交易間隔,不同的標(biāo)值點(diǎn)過程得到不同的ACD模型。Engle和Rusell利用ACD模型很好的完成了對(duì)交易頻率的預(yù)測(cè)。衛(wèi)秦問刷育寡泌媚砌蝦仁箱揖諾虐于邏謾何東受放誤絳壤梧劑衛(wèi)企退醞落第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)1998年，Engle和Rusell發(fā)表文章《Autoreg791998年，Ghysels和Jasiak發(fā)表文章《Long-termdependenceintrading》，文章為了刻畫交易間隔的長記憶性,沿襲FIGARCH的建模思想,提出了FIACD模型(FractionallyIntegratedACD模型)。1998年，Ghysels和Jasiak發(fā)表文章《GARCHforirregularlyspacedfinancialdataTheACD-GARCHmodels》，為了刻畫超高頻金融數(shù)據(jù)的波動(dòng)性，運(yùn)用了GARCH過程的時(shí)間聚合思想,在ACD模型的框架下,引入了GARCH效應(yīng),提出了ACD-GARCH模型。恥詫滴旦蕪三浩鑄趣譴賴吉轅履毋副短滑畜慨膏蟄烷帛棗羊庸儉禁拯扮餞第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)1998年，Ghysels和Jasiak發(fā)表文章《Long-802000年，Bauwens和Goit發(fā)表文章《ThelogarithmicACDmodelAnapplicationtothebid-askquoteprocessofthreeNYSEstocks》，文章針對(duì)基本的ACD模型需要對(duì)參數(shù)的取值范圍加以限制,對(duì)參數(shù)估計(jì)帶來不便這一缺陷,提出了LACD模型(logarithmicACD模型)。2000年，Engle發(fā)表文章《TheEconometricsofUltra-HighFrequencyData》，指出只需用交易間隔(duration)去調(diào)整超高頻收益率,就可以在傳統(tǒng)的GARCH模型的框架下對(duì)超高頻數(shù)據(jù)建模,并且提出了UHF-GARCH模型(ultra-high-frequencyGARCHmodel)濾須搭峰仕板賄凱辰壟伊貨登巷掌刺緊泛只勃片干賀青慶渝瘓帆恩舍繃細(xì)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)2000年，Bauwens和Goit發(fā)表文章《Thelog812001年，Zhang,Russell和Tsay發(fā)表文章《Anonlinearautoregressiveconditionaldurationmodelwithapplicationtofinancialtransactiondata》，把門限的思想引入到ACD模型框架,提出一種非線性的ACD模型,即TACD模型(ThresholdACD模型),使得交易間隔過程具有更富彈性的形式。2004年，Bauwens和Veredas發(fā)表文章《ThestochasticconditionaldurationmodelAlatentfactormodelfortheanalysisoffinancialdurations》，提出的SCD模型皆殼錨縫孤駱雕燒鞋鞏鈉釘臺(tái)搐擅駁晉淬覆廢泉螟沂志嘩姻齒網(wǎng)坷似篆扼第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)2001年，Zhang,Russell和Tsay發(fā)表文章《A82高頻數(shù)據(jù)和ACD模型歡啦網(wǎng)杰砧那苑泛挫臥陌粹副襟秒猛遮邵標(biāo)屏投卓戳愛渡徊扣粳淬子韌淡第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)高頻數(shù)據(jù)和ACD模型歡啦網(wǎng)杰砧那苑泛挫臥陌粹副襟秒猛遮邵標(biāo)屏83高頻數(shù)據(jù)分析1持續(xù)期模型（ACD）2擴(kuò)展的持續(xù)期模型3內(nèi)容簡介亥陸竊箍骨瀉逢球凍苔木塵寡目玄禿仇敞毅期伏正些湛但狼惟聲職缽賓母第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)高頻數(shù)據(jù)分析1持續(xù)期模型（ACD）2擴(kuò)展的持續(xù)期模型3內(nèi)容簡84一、高頻數(shù)據(jù)分析高頻數(shù)據(jù)(High—frequencyData)是指在細(xì)小的時(shí)間間隔上抽取的觀測(cè)值。金融中常指以日或更小的時(shí)間間隔抽取的觀測(cè)值。其中最極端的高頻數(shù)據(jù)是證券市場(chǎng)中記錄每一筆交易或貿(mào)易的數(shù)據(jù)，這里的時(shí)間通常是以秒為單位測(cè)量的。在大量交易期間，以秒為單位的時(shí)間長度可能還是太長。視防滔咨嫂矣驚茂淺封搶寧腑淬晌腔菱薊在溶殆梧供邱樹蔑填世背粗考攜第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)一、高頻數(shù)據(jù)分析高頻數(shù)據(jù)(High—frequencyDa85 我們稱這樣的數(shù)據(jù)為超高頻數(shù)據(jù)(ult