第5章高频数据分析与市场微观结构资料.pptxVIP

高频数据分析与市场微观结构;高频数据：;股票交易发生是非同步的； 不同股票交易频率不同； 相同股票不同时间交易频率也不同； ;针对股票日收益率，非同步交易会导致股 票收益率出现一些相关的关系。 ;非同步交易导致收益率序列负相关; 与rt的数学关系;相关推论：; 的计算：;买卖报价差：;买卖报价差：;相关推论;5.3 交易数据的经验特征; (1)不等间隔的时间区间 (2)离散取值的价格 (3)日周期或者日模式的存在 (4)一秒钟的多种交易;每五分钟间隔内的交易次数;;解释可能为：开盘大家对于价格的竞争非常激烈，临近中午收盘 交易强度下降，下午开盘交易强度逐渐回升，在收盘前又会迎来 多空双方相互竞争价格的高峰;第i次交易;18;5.4价格变化模型;5.4.1顺序概率模型;观测值： ， = ，若 ，j=1,2,…,k ;例5.1，以IBM为例，得到 与 与的解释变量，将其带入式5.18，可通过最大似然估计或MCMC方法得到β、α、γ的估计值;估计结果：; ;;对于 对于;对 的解释变量的估计： 其中： g(λ)是参数λ的几何分布 参数 随时间的变化为：;估计方法：;例5.2 IBM股票交易数据; 价格变化依赖于上一次的价格变化： 价格变化的方式由下式控制： 只有很弱的证据表明大的价格变化有更大的可能性跟随另外一个大的价格变化：;R软件进行logistic回归;5.5 持续期模型;铺垫一：概率分布知识; 此处;2、伽马函数 3、伽马分布 称随机变量X服从参数为 (形状参数）和 （尺度参数）的伽马分布，如果其pdf为 ;此处，k是形状参数，θ是尺度参数 k=1时，伽马分布就是指数分布；K越大，伽马分布近似于正态分布。;4、韦布尔分布（Weibull） 称一个随机变量X服从参数 （形状参数）和 （尺度参数）（ ） 如果其 pdf为 X的cdf为 当α=1时，韦布尔分布简化为指数分布。;此处，λ是尺度参数，k是形状参数。;标准化韦布尔分布： 定义 则E(Y)=1，而且Y的pdf为 Y的cdf为 对韦布尔分布进行标准化，尺度参数消失，期望变为1，方差变为 ;5、广义伽马分布 称随机变量X服从参数 的广义伽马分布（形状参数α和κ ，尺度参数是β）它的pdf由下式： 当κ=1时，广义伽马分布简化为韦布尔分布。当α=1时为伽马分布。当κ=1， α=1时为指数分布 其期望为 标准化广义伽马分布：定义Y=X/ [ ]. 则E(Y)=1. Y的pdf为 ;铺垫二：调整时间持续期;通过线性回归的最小二乘法估计 拟合的模型为;建模：ACD模型;与GARCH模型类似，过程 是一个鞅差序列，即 ，无条件期望也为0 ACD模型变形为 此处 由上式可以得到ACD模型弱平稳性的基本条件： 期望持续期是正数，则需要 举例：EACD（1,1）模型 218 其中 服从标准指数分布。假定 是弱平稳，计算其不随时间变化的头两阶矩，并得到参数需要满足的条件。 ;4、带有广义伽马分布的ACD模型 指数分布、韦布尔分布以及广义伽马分布分别都有相应的危险率函数，也即是强度函数，通俗的理解是事件发生率（联想泊松分布的参数λ(t)） 危险率函数的定义 具体计算为： X的危险率函数 其中 和 是X的pdf和生存函数。 生存函数 指数分布的危险率函数是常数，韦布尔分布的危险率函数是单调的。对于广义伽马分布，危险率函数可以有各种不同的形状，包括U型和倒U型。在现实生活中，股票交易的强度函数不是固定的，对 采用标准化的广义伽马分布，为股票交易的持续期建模提供了一个灵活的方法。;ACD模型估计;ACD模型模拟以及估