股价拆分状态空间模型运用-倍发科技.pdfVIP

股价拆分：状态空间模型运用 DECOMPOSING STOCK PRICE: A STATE SPACE MODEL APPLICATION 倍发科技 www.BetA 简介 从根本上而言，股价变动是信息驱动的结果。而为了研究股价是如何实现与信息 的耦合，我们通常需要将股价拆解成不同的部分，而这样分解方式，对我们研究 收益率同样有着积极的意义。 实证框架 我们试图将股价拆解为两个部分，第一个部分是非平稳的，第二个部分则是平稳 的。非平稳的部分符合带漂移（drift）的随机漫步过程（random walk process）， 其中漂移部分序列自相关并且符合一般的 ARMA 过程，而平稳部分同样符合 ARMA 1 过程 。因此，在给定一个时间序列形式的资产价格 ，我们可以得到： ~ ~ ~ （1） p t = mt + z t ~ ~ ~ ~ （2） mt = dt −1 + mt −1 +η t 其中 和 符合 ARMA 过程，而 不存在序列相关。 为了估计不同资产价格中的 、 和 ，我们需要用到状态空间模型（state space model）与卡尔曼滤波方法（Kalman filtering technique）。在后文中， 我们会对这些方法做出解分析。 识别技术 1在后文的分析中，我们会发现，ARMA 过程的阶数问题对与状态空间过程的识别有着重要意义，所以在估计 过程中，我们会对 ARMA 过程做出详尽分析。 2 前文中我们已经指出，平稳部分和非平稳部分都符合一般的 ARMA 过程，因此为 了保证状态空间的代表性，我们需要对这一过程做出更精确的述。 我们令 和 分别代表自回归的滞后项 和 的多项式，其中 L 是滞后 算子。近似地，我们令 和 分别代表异动平均的滞后项，于是（1）和 （2）可以改写如下： ~ ~ ~ （3） p t = mt + z t ~ ~ ~