10.16381/j.cnki.issn1003-207x.2015.06.007
超高频数据的日内效应调整方法研究
日内效应在金融高频数据研究中已被广泛证实,是一种日内周期性运动的动态效应,它影响了以微观金融指标为参数的计量模型的准确估计.基于金融超高频持续期数据,本文首先论述了日内效应调整的重要性,然后引入自适应映射(SOM)的方法对日内效应进行调整.SOM是一种基于神经网络学习的特征提取方法,能够动态识别高维数据中的结构特征,克服了静态调整方法的不足.最后通过建立基于自回归条件持续期模型(ACD)的蒙特卡罗模拟实验,比较了三种日内效应调整方法的效果.模拟结果表明SOM方法在日内效应调整中更为有效和稳定,特别适合大数据条件下的周期性结构分析.
日内效应、自回归条件持续期、SOM、周期性调整
23
C931(管理学)
国家自然科学基金面上项目71171035;辽宁省教育厅人文社会科学重点研究基地专项项目ZJ2013039
2015-07-17(万方平台首次上网日期,不代表论文的发表时间)
49-56