(超)高频数据的建模与分析简介.pptVIP

第十一章〔超〕高频数据的建模与分析简介近年来，随着对金融市场微观结构研究的深入，人们对日内金融数据的时间序列研究产生了极大的兴趣。日内金融数据通常分为两类，一类是高频数据，该类数据是在某交易日内以固定的时间间隔采集的数据；另一类数据，是根据市场事件〔比方：发生一次交易，价格变化一个给定的值或交易量变化一个给定的值等〕到达的时间逐笔〔transactionbytransaction〕记录下来的数据，我们称这类数据为超高频〔Ultra-High-Frequency，简称UHF〕数据，此类数据与传统的时间序列数据的最大不同是其认为市场事件的到达是一个随机过程，因此记录数据的时间间隔也是随机的。金融高频数据的分析一直是一个备受瞩目的焦点，金融高频数据的分析对于理解市场微观结构、指导投资者实践具有非常重要的意义。1

§11.1〔超〕高频数据的特点

(1)不规那么交易间隔(2)离散取值(3)日内模式(4)自相关性2

§11.2(超)高频数据与ACD模型

针对超高频时间序列的特点，一种自回归条件持续期模型〔autoregressiveconditionaldurationmodel，ACD模型〕被提出。ACD模型的核心思想是用随机标值点过程〔MarkedStochasticPointProcess〕去刻画交易过程。不同的标值点过程得到不同的AC