Score-gesteuertes GARCH für unregelmäßige diskrete Intraday-Preise

Zusammenfassung

Das Dokument stellt ein Hochfrequenz-Preismodell für unregelmäßige Beobachtungszeitpunkte und diskrete Preisänderungen vor. Es verwendet eine nullinflationäre Skellam-Verteilung in einem score-gesteuerten Volatilitätsrahmen mit einer gleitenden Durchschnittskomponente, die Marktmikrostrukturrauschen herausfiltern soll. Glättungssplines bilden ab, wie Handelsdauern mit Volatilität zusammenhängen und wie sich beide im Tagesverlauf verändern.

Die Parameter werden mit der Maximum-Likelihood-Methode geschätzt. Eine empirische Anwendung auf die Aktie IBM soll die Daten gut abbilden; die Autoren weisen außerdem darauf hin, dass das Modell die täglich realisierte Volatilität messen kann. Der Bericht enthält weder einen detaillierten Vergleich mit alternativen Modellen noch quantitative Anpassungsmaße oder breitere Tests über verschiedene Vermögenswerte und Marktbedingungen hinweg. Die Evidenz beschränkt sich daher auf die beschriebene Einzelaktienanalyse.

Kernaussagen

• Das Modell berücksichtigt unregelmäßig zeitlich verteilte Beobachtungen und diskrete Preisänderungen.
• Eine nullinflationäre Skellam-Verteilung steuert einen scorebasierten, zeitvariablen Volatilitätsprozess.
• Eine gleitende Durchschnittskomponente dient dazu, Marktmikrostrukturrauschen zu berücksichtigen.
• Glättungssplines erfassen Zusammenhänge zwischen Handelsdauer und Volatilität einschließlich Intraday-Mustern.
• Der Ansatz wird mit Maximum Likelihood geschätzt und soll auch zur Messung der täglich realisierten Volatilität dienen.

Schlagwörter

# An Intraday GARCH Model for Discrete Price Changes and Irregularly Spaced Observations


# An Intraday GARCH Model for Discrete Price Changes and Irregularly Spaced Observations









We develop a novel observation-driven model for high-frequency prices. We account for irregularly spaced observations, simultaneous transactions, discreteness of prices, and market microstructure noise. The relation between trade durations and price volatility, as well as intraday patterns of trade durations and price volatility, is captured using smoothing splines. The dynamic model is based on the zero-inflated Skellam distribution with time-varying volatility in a score-driven framework. Market microstructure noise is filtered by including a moving average component. The model is estimated by the maximum likelihood method. In an empirical study of the IBM stock, we demonstrate that the model provides a good fit to the data. Besides modeling intraday volatility, it can also be used to measure daily realized volatility.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.