基于高頻數(shù)據(jù)的分類信息混合分布garch模型研究(已修改)
2025-07-01 13:00 本頁面
【正文】 基于高頻數(shù)據(jù)的分類信息混合分布GARCH模型研究凌士勤 楊波 袁開洪 凌云*在此感謝我的導(dǎo)師華中科技大學(xué)經(jīng)濟學(xué)院副院長唐齊鳴教授和張學(xué)功博士給予的指導(dǎo)和建議。 作者簡介：凌士勤(ling shiqin),（1975），男，漢族，湖北武漢人，華中科技大學(xué)經(jīng)濟學(xué)院博士生；主要從事金融市場方面的研究。聯(lián)系電話：136472187702787552320 郵編：430074 Email：mikey_ling@楊波（yang bo）（1969），男，漢族，湖北武漢人，華中科技大學(xué)經(jīng)濟學(xué)院博士生，主要從事國際經(jīng)濟方面的研究。聯(lián)系電話：02787552320 郵編：430074 Email：yangbo21@袁開洪（yuan kaihong）（1978），男，漢族，江蘇宜興人，華中科技大學(xué)經(jīng)濟學(xué)院博士生，主要從事微觀經(jīng)濟方面的研究。聯(lián)系電話：02787552320 郵編：430074 Email：peter_ykh@凌云（ling yun）（1973），女，漢族，湖北武漢人，深圳證券信息有限公司。聯(lián)系電話：0755－83276740，13838737345 郵編：430074 Email：tracyl@【摘要】本文提出了基于高頻數(shù)據(jù)的分類信息混合分布GARCH模型，以上證指數(shù)的五分鐘高頻數(shù)據(jù)作為研究對象，引入修正的混合分布（MMM）模型，將去除了趨勢性和異常效應(yīng)（日期效應(yīng)和序列相關(guān)性的不同性質(zhì)的對數(shù)交易量分解為進入市場的正的隨機信息流和負的隨機信息流兩部分，作為分類信息流代理，加入GARCH模型的方差方程中，考察好消息、壞消息對上證指數(shù)波動性的影響。關(guān)鍵詞 MMM，高頻數(shù)據(jù)，分類信息，GARCH中圖分類號 文獻標識碼 AA study of the highfrequencydatabased classified information mixture distribution GARCH modelLing shiqin ,yang bo, yuan kaihong, ling yun【Abstract】The highfrequencydatabased classified information mixture distribution GARCH model, which is put forward in this article, is based on market microstructure theory. We take an empirical test on the pricevolume relation in the Chinese stock market by adding the highfrequencydatabased volume caused by good news and bad news in the GARCH model as the classified information flow proxy. In addition, the result of our work can support that the classified volume is an interpretation of the persistence of the volatility of the stock market, and we can distinguish the different effect caused by the classified information.【Key Words】 MMM。 high frequency data。 classified information。 GARCH一、 文獻及研究綜述自Peker K. Clark(1973)首次提出了
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1