利用高频金融数据的已实现波动率估计及其应用课件.ppt

本文的工作 为解决高频金融数据下的事件研究问题，尝试用小波分析方法检测高频金融数据的跳跃次数和经小波消噪估计的已实现波动率来刻画事件对市场的冲击。 研究结果表明采用高频金融数据的已实现波动率与跳跃次数来反应事件对市场的冲击，不仅能捕捉事件对市场冲击的强度和速度，还能区别重要事件和一般事件。 从刻画事件对市场的冲击的准确角度说，已实现波动率与跳跃次数优于传统的累积超额收益率。 引言 在金融、经济、会计等领域的研究中，常用事件研究法来分析金融市场中某类事件的发生是否对上市公司的市场价值引起统计上的显著反应。 度量事件窗样本证券的累积超额收益率CAR： 用以分析的数据大多使用低频数据的日数据，甚至时间跨度更大（如周或月）的数据。 使用低频数据进行事件研究，在过去是适用的，但对于现代金融市场则显得远远不够。 低频数据从统计上来说是低效的，低频数据仅是高频金融数据的抽样，抽样丢失了大量信息。 另外，低频数据或者说抽样后数据，对于金融市场中非常重要的信息——跳跃的分析是非常困难的：在检测跳跃时，我们需要仔细观测检查价格是否发生突然变化。 更能刻画事件发生对市场冲击的变量，是跳跃和已实现波动率。 已实现波动率RV 反映了两点间（即事件窗区间内）的价格变化状况，其中p是资产的高频价格对数。相对累积超额收益率来说，已实现波动率更能刻画事件对市场的冲击。 高频金融数据含有市场微观结