基于高頻數(shù)據(jù)的分類信息混合分布garch模型研究-文庫(kù)吧資料
2025-06-25 13:00本頁(yè)面
【正文】 模型（0）()*()*模型（1）0. 089803() *0. 582037()*(+100)*()*模型（2）(+100)*()*()*()*（注：帶括號(hào)的值表示估計(jì)值的Z統(tǒng)計(jì)量，帶星號(hào)的Z統(tǒng)計(jì)量表示該估計(jì)值在5%的顯著水平下顯著）基于表1中各模型的估計(jì)結(jié)果，我們可以觀察到：1. 在模型（0）中，用不加成交量的GARCH（1，1）模型所估計(jì)的系數(shù)顯著，其中，大于模型（1）和模型（2）的值，說(shuō)明用分解了的成交量能解釋一部分波動(dòng)持續(xù)性。我們先按第二部分所闡述的方法對(duì)上證指數(shù)的對(duì)數(shù)交易量作為樣本進(jìn)行處理,然后對(duì)模型（0）、模型（1）和模型（2）分別進(jìn)行估計(jì)，結(jié)果如表1所示：其中，模型（0）表示不加任何交易量的GARCH（1，1）模型，其GARCH（1，1）模型的方差方程為：；模型（1）表示Craig (1999)提出的模型，其GARCH（1，1）模型的方差方程為：。樣本總數(shù)為14112 個(gè)。三、實(shí)證分析本文研究的數(shù)據(jù)來(lái)源于“分析家系統(tǒng)”,采用的數(shù)據(jù)是上證指數(shù)的日收益率、日交易量、五分鐘收益率和五分鐘交易量。我們?cè)趯?duì)上證指數(shù)進(jìn)行實(shí)證分析時(shí)，發(fā)現(xiàn)在GARCH（p，q）模型中， GARCH（1，1）模型具有較小的AIC（Akaike’s Information Criterion）和BIC（Bayesian’s Information Criterion）信息準(zhǔn)則值，比較合適用來(lái)擬和我國(guó)股票市場(chǎng)收益率序列的變動(dòng)性。n 最終模型最后，根據(jù)Torben G. Andersen (1996)提出的非信息交易量和信息交易量的理論，我們將這些非預(yù)期的成交量作為信息交易量的替代指標(biāo)，將好信息帶來(lái)未預(yù)期成交量和壞信息帶來(lái)未預(yù)期成交量放入方差方程中進(jìn)行回歸。我們采用了一階自回歸移動(dòng)平均模型，對(duì)交易量序列和進(jìn)行擬合，以去除序列相關(guān)性。c) 對(duì)和檢驗(yàn)單位根和序列相關(guān)性。和的差值便為平穩(wěn)的交易量序列。本文采用HP 濾波方法對(duì)和進(jìn)行趨勢(shì)過(guò)濾。按式計(jì)算，其中為第天的第個(gè)五分鐘的成交量，為開關(guān)變量，當(dāng)?shù)趥€(gè)五分鐘的股票收盤價(jià)小于其開盤價(jià)時(shí)，等于1，否則等于零。其中為第天的第個(gè)五分鐘的成交量，為開關(guān)變量，當(dāng)?shù)趥€(gè)五分鐘的股票收盤價(jià)大于其開盤價(jià)時(shí)，等于1，否則等于零。為了得到除去非信息交易量的好信息帶來(lái)的交易量（記作）和壞消息帶來(lái)的交易量（記作），我們按照以下的步驟對(duì)成交量進(jìn)行處理：a) 我們將表示由好消息帶來(lái)的第天的原始成交量加上當(dāng)天的五分鐘股價(jià)上升時(shí)的非信息成交量。n 好信息帶來(lái)的成交量和壞信息帶來(lái)的成交量的獲取根據(jù)上面的假設(shè)，我們認(rèn)為，一天內(nèi)進(jìn)入市場(chǎng)的正信息流所帶來(lái)的成交量，可以表示成當(dāng)天五分鐘交易量序列中所有價(jià)格上升（5分鐘收益率序列中的開盤價(jià)小于收盤價(jià)）的成交量之和減去當(dāng)天的五分鐘股價(jià)上升時(shí)的非信息交易量。其次，我們可以假設(shè)基本單位內(nèi)（5分鐘）存在非信息交易和信息交易（即好消息或壞消息）兩種模式，而基本單位內(nèi)（5分鐘）的價(jià)格上漲是由于正的信息流造成買方力量大于賣方力量，基本單位內(nèi)（5分鐘）的成交量可以看作非信息成交量和好信息帶來(lái)的成交量的和；相似的，我們認(rèn)為基本單位內(nèi)（5分鐘）的價(jià)格下降是由于負(fù)的信息流造成賣方力量大于買方力量，此時(shí)的基本單位內(nèi)（5分鐘）的成交量可以看作非信息成交量和壞信息帶來(lái)的成交量的和。二、基于高頻數(shù)據(jù)的分類信息混合分布GARCH模型我們對(duì)上述模型進(jìn)行了綜合改進(jìn)，提出了基于高頻數(shù)據(jù)的分類信息混合分布GARCH模型（The highfrequencydatabased classified information mixture distribution GARCH model），旨在解決Craig (1999)模型中存在的問(wèn)題，從金融市場(chǎng)微
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1