基于局部线性M-估计的交易量与价格持续期非参数建模研究.docxVIP

基于局部线性M-估计的交易量与价格持续期非参数建模研究

一、绪论

1.1研究背景与意义

在金融市场中，交易量和价格持续期是反映市场微观结构和交易行为的重要指标。交易量体现了市场的活跃程度和投资者的参与程度，而价格持续期则反映了市场价格变动的时间间隔，二者蕴含着丰富的市场信息，对金融市场的研究至关重要。

从市场趋势分析角度来看，交易量的变化可以作为市场趋势的验证工具。当价格上涨且伴随着高交易量时，通常意味着上涨趋势得到了市场的广泛认可和支持，如在股票牛市行情中，往往伴随着成交量的持续放大，投资者积极买入推动股价上升；相反，如果价格上涨但交易量低迷，这可能是市场缺乏信心的信号，上涨趋势可能难以持续。同理，在价格下跌时，交易量的变化也能反映市场的情绪和趋势的持续性。而价格持续期的分析有助于了解市场价格调整的频率和速度，较短的价格持续期可能意味着市场信息传递迅速，价格能够快速对新信息做出反应，市场效率较高；较长的价格持续期则可能暗示市场存在一定的摩擦或信息不对称，价格调整较为缓慢。

在投资决策制定方面，对交易量和价格持续期的准确把握能够为投资者提供有力的支持。通过分析交易量与价格的关系，投资者可以更好地判断市场的供需状况，识别潜在的投资机会和风险。例如，在一些股票交易中，当出现成交量突然放大且价格突破关键阻力位的情况时，可能预示着股价将进入上升通道，投资者可以考虑买入；反之，当成交量萎缩且价格跌破重要支撑位时，可能是卖出的信号。同时，价格持续期的分析可以帮助投资者确定交易的时机和持有期限，合理安排资金的进出。

在以往的研究中，参数模型被广泛应用于对交易量和价格持续期的建模分析。然而，参数模型往往需要对数据的分布形式和函数关系做出严格的假设，这在实际金融市场中可能并不成立。金融市场具有高度的复杂性和不确定性，受到众多因素的影响，如宏观经济环境、政策变化、投资者情绪等，使得金融数据的分布往往呈现出非正态、厚尾等特征，并且变量之间的关系也可能是非线性的。在这种情况下，参数模型的假设条件难以满足，导致模型的拟合效果不佳，无法准确地描述和预测交易量和价格持续期的变化规律。

非参数建模方法则不需要对数据的分布形式和函数关系做出预先假设，能够更加灵活地适应金融数据的复杂特征。它可以捕捉到数据中的非线性关系和潜在模式，为研究交易量和价格持续期提供了更有效的工具。局部线性M-估计作为一种非参数估计方法，在处理非正态数据和存在异常值的情况时具有独特的优势。它通过在局部邻域内对数据进行线性拟合，并利用M-估计的思想对目标函数进行优化，能够有效地减少异常值对估计结果的影响，提高估计的稳健性和准确性。

将非参数建模和局部线性M-估计应用于交易量和价格持续期的研究，能够更深入地挖掘市场信息，揭示二者的内在规律和影响因素，为金融市场微观结构理论的发展提供实证支持。在投资实践中，基于非参数模型和局部线性M-估计的分析结果，可以帮助投资者构建更合理的投资策略，提高投资决策的科学性和准确性，降低投资风险，从而在复杂多变的金融市场中获取更好的投资回报。此外，对于金融监管部门来说，准确了解交易量和价格持续期的变化规律，有助于制定更加有效的监管政策，维护金融市场的稳定和健康发展。

1.2国内外研究现状

在交易量和价格持续期建模方面，国外学者开展了大量研究。Engle和Russell于1998年提出自回归条件持续期（ACD）模型，用于分析交易期间，该模型假设期间符合随机过程，并定义了残差的密度函数以及条件期间的递归函数，此后，众多学者基于ACD模型进行拓展。Bauwens和Veredas于2004年提出随机条件持续期（SCD）模型，该模型中用一个潜在的随机变量来确定ψi，相较于ACD模型具有更优的拟合优度。在交易量与价格关系的研究上，Karpoff在1987年的研究中发现交易量与价格变化之间存在正相关关系，并且交易量能够对价格波动起到一定的解释作用。

国内对于交易量和价格持续期建模的研究也在不断发展。屈文洲在2006年采用ACD模型检验研究证券市场行情公告牌和委托指令流所提供信息对我国投资者行为的影响，实证分析得出ACD模型对投资者行为有较大解释能力，存在交易持续期的聚类现象。刘向丽在2010年研究了中国期货市场价格久期波动聚类的特征，在四种不同残差分布假设下对相应的四种ACD模型进行参数估计，并加入微观结构因子分析交易量、收益率和持仓量对价格久期的影响。

在非参数估计方法的研究领域，国外学者的成果颇丰。1964年，Huber定义了M估计，旨在解决最小二乘估计不稳健的问题，该方法通过最优化一个目标函数来获得参数的估计值，在处理数据中的离群点或非正态分布情况时具有显著优势。在非参