基于高頻數(shù)據(jù)的分類信息混合分布garch模型研究-展示頁
2025-06-28 13:00本頁面
【正文】 觀結(jié)構(gòu)角度分析好消息和壞消息對波動的影響。而朱永安(2003)分別用預(yù)期交易量，非預(yù)期交易量，進行趨勢過濾了的交易量作為信息代理引入GARCHM模型的方差方程中，并對上證指數(shù)進行了實證，發(fā)現(xiàn)非預(yù)期交易量的解釋能力大于預(yù)期交易量和進行趨勢過濾了平穩(wěn)的交易量。他在這里忽略了每日股價的具體波動路徑，僅用，這四個變量來推導(dǎo)好信息帶來的成交量和壞信息帶來的成交量，是不準(zhǔn)確的。在確定好消息和壞消息帶來的每日成交量的大小上，采用日時間序列數(shù)據(jù)中的數(shù)據(jù)來推斷好信息帶來的成交量和壞信息帶來的成交量，具體計算方式如下所述：好消息帶來的成交量為：，壞消息帶來的成交量為：。其次，原假設(shè)提出好消息帶來的成交量和壞消息帶來的成交量采用相同的比例因子，同樣的，取相同的比例因子的合理性也值得懷疑。首先，對每類信息流相聯(lián)系的價格變化的絕對值的標(biāo)準(zhǔn)化的合理性本身就值得懷疑，即==不一定成立，更不用談了。并對每類信息流相聯(lián)系的價格變化的絕對值標(biāo)準(zhǔn)化，即==，所以，并且將好消息帶來的成交量記為：，壞消息帶來的成交量記為：，其中，為比例因子。但我們認為，Craig (1999)提出的模型有幾點假設(shè)是不合理的。在此假設(shè)上，可以按每日的時間序列數(shù)據(jù)（交易量、開盤價、收盤價、最高價）對作為信息代理的交易量分解成進入市場的正的隨機信息流（好消息）和負的隨機信息流（壞消息）兩部分，從好消息和壞消息的角度研究對波動的影響。當(dāng)把交易量作為信息流的代理指標(biāo)時，第日的條件方差為：其中為由非信息交易量導(dǎo)致的回報波動；為由私有信息交易量導(dǎo)致的回報波動。在修正的混合分布模型（MMM）中，Andersen首次結(jié)合市場微觀結(jié)構(gòu)理論，考慮到市場的流動性和信息非對稱性，允許非信息交易的存在，并假定交易量序列服從泊松過程，由此提高了MDH的適應(yīng)性和現(xiàn)實性。他們提出的模型如下： (1) (2) (3) 其中是時刻及之前的全部信息，獨立同分布，且參數(shù)滿足條件：,。作為MDH理論的發(fā)展，Tauchen and Pitts（1983)建立了量價關(guān)系的二元混合模型（Bivariate mixture model）, 說明如果二元混合模型形式正確，交易量序列則可以作為產(chǎn)生價格持續(xù)性波動的因素，成為信息過程的代理指標(biāo)。該理論認為，價格回報和交易量是由一個潛在的不可觀測的信息流變量決定，信息流的沖擊將同時產(chǎn)生交易量和價格波動。 classified information。關(guān)鍵詞 MMM，高頻數(shù)據(jù)，分類信息，GARCH中圖分類號 文獻標(biāo)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 mo
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1