高频金融时间序列研究：回顾与展望[1].pdfVIP

维普资讯 第 5卷第 1期 西 北 农林 科 技大 学 学报 (社 会科 学版 ) V01．5 No．1 JournalofNorthwestAF University(SocialScienceEdition) Jan． 2005 2005 年 1 月 — — 高频金融时间序列研究：回顾与展望 徐 正国，张世英 (天津大学 管理学院，天津 300072) 摘 要：高频金融时间序列的分析与建模是金融计量学的一个全新的研究领域。论速了迄今 国际相 关文献 中 几乎所有关于 高频金融 时间序列的理论和实证研究成果 ：高频时间序列的模型化方法、日历效应、“已实现”波动和 ACD模型，指出了研究中存在的问题 ，展望 了高频 时间序列的研究趋势。 关键词：高频金融时间序列；“已实现”波动率；异质 自回归条件异方差模型 (HARCH模型)；日历效应；自回归 条件持续期模型 (ACD模型) 中圈分类号?F224．0 文献标识码：A 文章编号 ：1oo9—9107(2005)01一oo62一O6 高频金融时间序列通常是指 以天、小时、分钟甚 重要的意义 。 至秒为频率所采集 的按时间先后顺序排列的金融类 1．高频数据包含市场微观结构的信息及重要的 数据 以及记录每笔交易的时间序列，有时为了区别 ， 长期 日间现象的信息，对高频数据 的研究有助于揭 后者也称为超高频金融时间序列。在金融市场 中，信 示波动率及波动持续性产生的根本原因。 息是连续地影响证券市场价格的运动过程 的。数据 2．基于高频时间序列的 “已实现”波动率 ，不仅 的离散采集必然会造成信息不同程度 的缺失。无疑， 是可直接观测，而且它没有模型 (modelfree)，计算 采集频率越高，信息丢失越少 ；反之，信息丢失越多。 方便 ，可以克服多元 GARCH 模型和 SV模型参数 所 以，高频数据 比低频数据包含更多的信息，如市场 难于估计 的弱点。 微观结构的信息及重要的长期 日间现象的信息等。 3．微观结构理论 的研究大多是定性 的描述 ，这 低频时间序列领域测量波动性的有两类非常成功的 些理论在多大程度上符合实际，需要利用高频金融 方法 ：一类是 2003年诺 贝尔经济学奖得主 Engle 时间序列 的实证研究来对其进行检验 。 (1982)提 出的ARCH模型以及它的扩展形式 ；另一 一 类是 Taylor(1986)引入计量经济学领域 的SV模型 、 高频金融时间序列研究的 及其扩展形式 。但是，实证研究表明：ARCH类模型 模型化方法 和 SV类模型并不能直接用于高频金融时间序列的 建模 ，高频金融时间序列的分析与建模是另一个广 高频金融时间序列的模型化计量方法的研究 阔的研究领域 。 迄今为止还没有重大 的突破 ，可 以见到的研究文献 高频金融时间序列的研究不管是对于金融理论 也不多 ，但是取得 了一些阶段性的成果。这类模型基 工作者，还是对于金融领域实际从业者 ，都具有十分 本是在低频数据领域 中有 良好表现的ARCH类模 收稿 日期 ；2004—04—23 基金项 目；国家 自然科学基金资助项 目 作者简介：徐正国(198O一)，男，湖北人 ，天津大学管理学院硕士研究生，研究方向为金融学与金融工程。