金融高频时间序列分析.ppt

金融高频时间序列分析 李胜歌 一、金融计量学 二、金融高频时间序列分析 三、基于高频数据的金融波动率 一、金融计量学 （一）金融定量分析 金融计量学，是经济计量学的一个重要分支，主要是研究如何将经济计量学的基本原理与方法运用于金融领域，针对金融数据的特殊性，构造相应模型，以便实证检验金融理论和假设或者提提供金融预测。 （二）金融数据 1、低频数据 二十世纪九十年代以前，人们对金融时间序列的研究都是针对日、周、月、季度或者年度数据进行的，这种金融数据在金融计量学研究领域通常称为低频数据。 2、高频数据 近年来，随着计算工具和计算方法的发展，极大地降低了数据记录和存储的成本，使得对更高频率的金融数据进行研究成为可能。 在金融市场中，高频率采集的数据可以分为两类：高频数据（high frequency data）和超高频数据（ultra high frequency data）。 高频数据是指以小时、分钟或秒为采集频率的数据。高频数据即日内数据，是指在开盘时间和收盘时间之间进行抽样的交易数据，主要是以小时、分钟、甚至秒为抽样频率的、按时间顺序排列的时间序列。 3、超高频数据 超高频数据则是指交易过程中实时采集的数据。 高频数据和超高频数据两者之间的最大区别是：前者是等时间间隔的，后者的时间间隔是时变的。 一般而言，金融市场上的信息是连续的影响证券市场价格运动过程的。数据的离散采集必然会造成信息不同程度的缺失。采集数据频率越高，信息丢失越少；反之，信息丢失越多。 二、金融高频时间序列分析 对金融高频数据统计特征的研究 基于金融高频时间序列的波动性研究 微观结构噪声研究 最优抽样频率研究 基于高频数据的金融管理方面的应用研究 三、基于高频数据的金融波动率 （一）“已实现”波动（Realized Volatility，RV） （二）“已实现”双幂次变差（Realized Bipower Variation，RBV） （三）RV与RBV的比较研究 （一）“已实现”波动（Realized Volatility，RV） 1、“已实现”波动的定义 2、“已实现”波动的理论基础 3、“已实现”波动的性质 4、“已实现”波动的应用 5、“已实现”波动估计量形式的改进及扩展 1、RV的定义 2、“已实现”波动的理论基础 基本条件就是金融市场中不存在风险套利的机会，这样金融资产的对数收益率就是一个特殊半鞅过程。 由特殊半鞅的性质，又可以将其进一步分解为可料有限变差过程和局部鞅过程，从经济意义上来讲，可料有限变差过程和局部鞅过程分别代表均值过程（Mean Process）和新息过程（Innovation Process）。 由二次变差的性质，收益率平方和的极限为金融资产对数价格收益的二次变差； 再由伊藤定理，可以得到二次变差与积分波动（Integrated Volatility, IV）的对应关系。 “已实现”波动就是收益率的平方和，这样就可以得出“已实现”波动的概率极限为积分波动。 3、“已实现”波动的性质 根据Andersen和Bollerslev等（2000，2001，2001，2003）对西方国家发达金融市场的高频金融时间序列的研究，“已实现”波动通常具有下列性质： （1）由于日内高频收益率之间存在序列相关和异方差性，所以“已实现”方差（Realized Variance）与“已实现”标准差（Realized Standard Deviation）的无条件分布都是极端右偏，而且具有极高的峰度。但是“已实现”标准差的偏度要比“已实现”方差的低； （2）虽然“已实现”标准差的无条件分布都是极端右偏，而且具有极高的峰度，但是“已实现”标准差取对数后的无条件分布却很近似正态分布； （3）虽然日间收益率的无条件分布并非正态分布，具有明显的“高峰厚尾”性，但是日间收益率除以“已实现”标准差后的条件分布却近似是正态分布； （4）以上三条性质都是针对每日的“已实现”波动而言的，然而对“已实现”波动的时间聚合性质的研究，即对每周，每两周，每三周及每月的“已实现”波动的研究中发现：在时间聚合下，“已实现”波动的方差按 的尺度增长，其中表示时间跨度，d是常数； （5）“已实现”波动的自相关系数按双曲线的速率缓慢下降； （6）“已实现”波动取对数后的无条件分布是正态分布，具有显著的分数维单整的性质。 4、“已实现”波动的应用 “已实现”波动无模型、计算方便、并且是金融波动率的一致估计量，“已实现”波动在多变量的情形下还可以扩展为“已实现”协方差矩阵（Realized Covariance Matrix，RCM），它不仅包括各变量自身的“已实现”波动率，也包括变量之间的“已实现”协方差。因此，“已实现”波动近年来被广泛应用于金融高频数据