【摘要】：隨著信息技術(shù)的發(fā)展,金融高頻數(shù)據(jù)的分析工作越來越重要。金融高頻數(shù)據(jù)包含著大量市場(chǎng)微觀結(jié)構(gòu)的信息,所以分析金融高頻數(shù)據(jù)對(duì)理解金融微觀結(jié)構(gòu)是相當(dāng)重要的。目前對(duì)微觀結(jié)構(gòu)理論的研究大多是定性研究,這些理論在多大程度上符合實(shí)際,需要實(shí)證分析對(duì)其進(jìn)行檢驗(yàn)。ACD模型就是處理金融高頻數(shù)據(jù)正值時(shí)間序列的一重要手段,且ACD模型最大的挑戰(zhàn)在于新息分布的選擇。通常,交易持續(xù)期大密度在0附近聚集,并表現(xiàn)為非對(duì)稱的右厚尾。所以合適的新息分布應(yīng)該能捕捉到數(shù)據(jù)的內(nèi)在特征,尤其是厚尾這一特征。在這一點(diǎn)上,本文要講的復(fù)合Lognormal-Pareto分布比當(dāng)前應(yīng)用普遍的指數(shù)分布、Weibull分布,廣義伽瑪分布效果都能更好。本文不是從形狀參數(shù)或者混合同種分布的角度出發(fā)考慮新息分布,而是從”粘帖”兩種不同分布得到的復(fù)合分布考慮,給ACD模型的新息分布提供了一個(gè)新的思路。本文應(yīng)用的是Starbucks股票2011年7月25號(hào)到7月29號(hào)的部分日內(nèi)交易數(shù)據(jù)(該數(shù)據(jù)可由[1]獲得)。然后把本文的Lognormal-Pareto作為新息分布的LP-ACD擬合效果與指數(shù)分布(EACD)、Weibull分布(WACD),廣義伽瑪分布(GACD)擬合效果作一個(gè)比較。
【圖文】：

ｌａｇ逡逑圖５．１調(diào)整前非零持續(xù)期情況逡逑由圖５．１中的頂層圖“調(diào)整前的非零持續(xù)期時(shí)序圖”揭示了在交易持續(xù)期中逡逑普遍可見的集群效應(yīng)，中間圖層“調(diào)整前的非零持續(xù)期直方圖”指出了大量數(shù)逡逑據(jù)接近于零和長(zhǎng)右尾的事實(shí)，最下層圖“調(diào)整前的非零持續(xù)期樣本ＡＣＦ”清晰邐說明了持續(xù)期數(shù)據(jù)之間的長(zhǎng)相關(guān)性，雖然量級(jí)都不太大。逡逑表５．１羅列了我們這篇文章４０００個(gè)數(shù)據(jù)的簡(jiǎn)要報(bào)告，揭示了不均勻分布，正逡逑偏，重尾等事實(shí)逡逑５．２邋ＬＰ－ＡＣＤ模型擬合逡逑我們用調(diào)整過的前４０００個(gè)持續(xù)期來進(jìn)行ＬＰ－ＡＣＤ（邋１，１）模擬。同時(shí)也進(jìn)逡逑行ＥＡＣＤ（１

圖５．２邋各個(gè)ＡＣＤ模型新息ＱＱ圖逡逑由圖５．２中也可以看出，ＬＰ－ＡＣＤ模型相比其他模型更能擬合好金融高頻數(shù)逡逑
【學(xué)位授予單位】：廈門大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：F224

【參考文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前3條

1 張欣;基于高頻數(shù)據(jù)的股票流動(dòng)性影響因素研究[D];南京理工大學(xué);2016年

2 葛怡;超高頻波動(dòng)率模型研究[D];蘭州商學(xué)院;2010年

3 劉坤;ACD模型對(duì)滬市持續(xù)期的實(shí)證研究[D];電子科技大學(xué);2007年

，

本文編號(hào)：2654421