基于高頻數(shù)據(jù)的中國期貨市場交易次數(shù)估計方法
發(fā)布時間:2021-06-06 16:36
中國期貨市場作為發(fā)現(xiàn)價格和規(guī)避風(fēng)險的重要金融工具,對我國的社會主義市場經(jīng)濟體制建設(shè)具有重要意義。近年來,中國期貨市場處于快速發(fā)展時期,成交總量連年大幅增長。在近兩年,中國期貨市場更是逐漸加快了國際化的步伐,逐步在國際市場上發(fā)揮影響力。與此同時,隨著信息技術(shù)和數(shù)據(jù)科學(xué)的高速發(fā)展,投資者越來越重視更精細(xì)化的數(shù)據(jù)。而不同于一些國際市場和我國股票市場所提供的的逐筆訂單數(shù)據(jù),我國期貨市場所提供的最精細(xì)的數(shù)據(jù)是0.25至0.5秒間隔的高頻市場快照數(shù)據(jù)。在逐筆數(shù)據(jù)到快照數(shù)據(jù)的處理過程中,一些信息被丟棄遺失,其中包括交易次數(shù)。這項信息近年來被證明非常具有價值,是很好的市場活躍指標(biāo)。本文聚焦于此,首次提出使用快照數(shù)據(jù)估計過去一段時間的交易次數(shù)的多種方法。具體利用高頻快照數(shù)據(jù),基于訂單流的泊松分布假設(shè),建立了多個估計量。并使用蒙特卡洛方法,根據(jù)假設(shè)生成了模擬訂單流,并發(fā)現(xiàn)估計值能收斂于真實值,驗證了這些方法有效。之后利用了中國A股的逐筆訂單數(shù)據(jù)對方法做進一步檢驗,發(fā)現(xiàn)盡管A股市場的高頻數(shù)據(jù)不完全服從泊松分布假設(shè),但估計量仍與真實值具有高相關(guān)性。進一步的,本文對原始的泊松分布假設(shè)進行了修正,加入了解釋變量并...
【文章來源】:中國科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校
【文章頁數(shù)】:49 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2.4??圖2.2到2.4是隨機均勻分布訂單到達(dá)率的模擬結(jié)果
?X*C?X?X?X?K?^?x?*??^?X?麻車嫌X?X?X.????10?xmtx?m?‘水?x?%?x?x??J?JCX?k?XXXXJSC?mxx?k?萬??UJ?xXXMOMMpe?X;你蝸?X?X??mmmmm'mm?^?x?x?x??mmmmimKm?j9t?:?x??Q5??0?0???*?x?Avg-Price?method?2??0?1?2?3?4?5?6??Average?Number?of?Trades??圖2.8??根據(jù)這7個交易日的快照數(shù)據(jù),。睿剑保玻埃瑢(yīng)60秒鐘的時間窗口,計算??三個估計量。??由于數(shù)據(jù)點過多,為了便于展示,隨機從中抽。担埃岸鄠互不重疊的樣??本,得到了圖2.6,2.7和2.8。??可以看到,三種估計值和實際值均呈現(xiàn)明顯相關(guān)性。其中第一種估計值看??起來效果最好,而圖2.8中第三種估計值則出現(xiàn)了很明顯的階梯性。這反映了??該方法在真實值較低時可能失效。因為這支股票的平均交易次數(shù)比較低,在這??種情況下,多數(shù)的tick里,要么沒有發(fā)生交易,要么所有交易都發(fā)生在同一價??格,所以第三種估計在這種情況下明顯的失效。??實際上,在這7個工作日的完整數(shù)據(jù)中,三種估計值冬,4和】3,與實際值??的相關(guān)性分別為:87.6%,83.8%,83.5°/〇。??同時,我們基于三種估計值對平均每筆交易量進行估計1Q,估計方式是直??接用交易量除以交易次數(shù)估計值。結(jié)果如下圖所示。??10由于該股票的活躍度不夠穩(wěn)定,七經(jīng)常算出〇值。在計算平均每筆交易量的時候需注意清理數(shù)據(jù)。??16??
圖2.9???000503,?n=?
【參考文獻(xiàn)】:
期刊論文
[1]基于高頻交易數(shù)據(jù)的“羊群行為”測度模型[J]. 朱菲菲,唐涯,徐建國,李宏泰. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究. 2019(08)
[2]中國股市投資者預(yù)測交易到達(dá)率的GARCH學(xué)習(xí)行為[J]. 王春峰,黃曉彬,房振明,郭華. 北京理工大學(xué)學(xué)報(社會科學(xué)版). 2012(04)
[3]交易者市場到達(dá)率及影響因素研究[J]. 許敏,劉善存. 管理科學(xué)學(xué)報. 2010(01)
博士論文
[1]股票市場半知情交易者的行為理論與實證研究[D]. 張馳.天津大學(xué) 2015
[2]基于高頻數(shù)據(jù)的投資者交易行為研究[D]. 王少斌.首都經(jīng)濟貿(mào)易大學(xué) 2014
本文編號:3214755
【文章來源】:中國科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校
【文章頁數(shù)】:49 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2.4??圖2.2到2.4是隨機均勻分布訂單到達(dá)率的模擬結(jié)果
?X*C?X?X?X?K?^?x?*??^?X?麻車嫌X?X?X.????10?xmtx?m?‘水?x?%?x?x??J?JCX?k?XXXXJSC?mxx?k?萬??UJ?xXXMOMMpe?X;你蝸?X?X??mmmmm'mm?^?x?x?x??mmmmimKm?j9t?:?x??Q5??0?0???*?x?Avg-Price?method?2??0?1?2?3?4?5?6??Average?Number?of?Trades??圖2.8??根據(jù)這7個交易日的快照數(shù)據(jù),。睿剑保玻埃瑢(yīng)60秒鐘的時間窗口,計算??三個估計量。??由于數(shù)據(jù)點過多,為了便于展示,隨機從中抽。担埃岸鄠互不重疊的樣??本,得到了圖2.6,2.7和2.8。??可以看到,三種估計值和實際值均呈現(xiàn)明顯相關(guān)性。其中第一種估計值看??起來效果最好,而圖2.8中第三種估計值則出現(xiàn)了很明顯的階梯性。這反映了??該方法在真實值較低時可能失效。因為這支股票的平均交易次數(shù)比較低,在這??種情況下,多數(shù)的tick里,要么沒有發(fā)生交易,要么所有交易都發(fā)生在同一價??格,所以第三種估計在這種情況下明顯的失效。??實際上,在這7個工作日的完整數(shù)據(jù)中,三種估計值冬,4和】3,與實際值??的相關(guān)性分別為:87.6%,83.8%,83.5°/〇。??同時,我們基于三種估計值對平均每筆交易量進行估計1Q,估計方式是直??接用交易量除以交易次數(shù)估計值。結(jié)果如下圖所示。??10由于該股票的活躍度不夠穩(wěn)定,七經(jīng)常算出〇值。在計算平均每筆交易量的時候需注意清理數(shù)據(jù)。??16??
圖2.9???000503,?n=?
【參考文獻(xiàn)】:
期刊論文
[1]基于高頻交易數(shù)據(jù)的“羊群行為”測度模型[J]. 朱菲菲,唐涯,徐建國,李宏泰. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究. 2019(08)
[2]中國股市投資者預(yù)測交易到達(dá)率的GARCH學(xué)習(xí)行為[J]. 王春峰,黃曉彬,房振明,郭華. 北京理工大學(xué)學(xué)報(社會科學(xué)版). 2012(04)
[3]交易者市場到達(dá)率及影響因素研究[J]. 許敏,劉善存. 管理科學(xué)學(xué)報. 2010(01)
博士論文
[1]股票市場半知情交易者的行為理論與實證研究[D]. 張馳.天津大學(xué) 2015
[2]基于高頻數(shù)據(jù)的投資者交易行為研究[D]. 王少斌.首都經(jīng)濟貿(mào)易大學(xué) 2014
本文編號:3214755
本文鏈接:http://sikaile.net/shoufeilunwen/benkebiyelunwen/3214755.html
最近更新
教材專著