基于中国股票高频交易数据的随机波动建模与应用

摘要：

本文对近十五年多达17万笔高频交易数据研究发现,早晨9:30股市开盘期间收益回报显著为负值,而在下午3:00收盘前的5分钟集合竞价阶段的收益回报显著为正值,称这种现象为“首尾5分钟现象”.并且日内收益数据具有较为显著的季节效应或周期效应,本文首次提出利用具有季节效应的SVJt-s模型对上证综合指数的5分钟高频交易数据进行建模,并给出模型的两步估计方法.由于高频随机波动建模时的数据量巨大、计算负荷严重,模型的估计、评价以及预测评价方法都需进行相应的改进,本文主要通过APF方法计算边际似然和BF进行模型比较,并从模型的预测能力发现本文给出的具有季节效应的SVJt-s模型,优于通常的GARCH模型和基本随机波动模型,最后给出了模型在风险管理中的应用.

关键词：随机波动、高频交易数据、辅助粒子滤波、马尔科夫链蒙特卡洛

所属期刊栏目：34

分类号：O212(概率论与数理统计)

资助基金：国家自然科学基金项目“非对称随机波动建模及其在金融风险管理中的应用研究”714711730;教育部人文社会科学重点研究基地重大项目“金融风险测度与管理若干前沿问题研究”14JJD910002;广西自然科学基金面上项目“非对称随机波动模型杠杆效应的非参数估计及其在金融衍生证券中的应用”桂科自2014GXNSFAA118015;广西高校科学技术研究重点项目“非对称随机波动条件下的金融风险测度与应用研究”KY2015ZD054

在线出版日期：2017-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：107-117