مدل قیمت‌گذاری نمره‌محور GARCH برای قیمت‌های درون‌روزی گسسته و نامنظم
خلاصه
این سند مدلی با بسامد بالا برای قیمت ارائه می‌کند که برای زمان‌های مشاهده نامنظم و تغییرات گسسته قیمت طراحی شده است. مدل در چارچوب نوسان‌پذیری مبتنی بر نمره، از توزیع اسکلمِ صفرمتورم استفاده می‌کند و مؤلفه‌ای میانگین‌متحرک دارد که برای فیلترکردن نویز ریزساختار بازار در نظر گرفته شده است. اسپلاین‌های هموارسازی رابطه مدت‌زمان معاملات با نوسان‌پذیری و تغییرات هر دو در طول روز معاملاتی را نمایش می‌دهند.
پارامترها با روش بیشینه‌سازی درست‌نمایی برآورد می‌شوند. گزارش شده است که کاربرد تجربی مدل برای سهام IBM برازش خوبی با داده‌ها دارد و نویسندگان اشاره می‌کنند که مدل می‌تواند نوسان‌پذیری تحقق‌یافته روزانه را نیز اندازه‌گیری کند. این گزارش مقایسه دقیقی با مدل‌های جایگزین، آمار کمی برازش یا آزمون‌های گسترده‌تر در دارایی‌ها و شرایط مختلف بازار ارائه نمی‌کند؛ بنابراین شواهد آن به مطالعه تک‌سهامی یادشده محدود است.
ایده‌های کلیدی
- مدل با مشاهدات زمان‌بندی‌شده نامنظم و تغییرات گسسته قیمت سازگار است.
- توزیع اسکلمِ صفرمتورم، فرایند نوسان‌پذیری متغیر با زمان و مبتنی بر نمره را هدایت می‌کند.
- برای لحاظ‌کردن نویز ریزساختار بازار از مؤلفه‌ای میانگین‌متحرک استفاده می‌شود.
- اسپلاین‌های هموارسازی پیوندهای میان مدت‌زمان معامله و نوسان‌پذیری، از جمله الگوهای درون‌روزی، را ثبت می‌کنند.
- این رویکرد با بیشینه‌سازی درست‌نمایی برآورد می‌شود و برای اندازه‌گیری نوسان‌پذیری تحقق‌یافته روزانه نیز پیشنهاد شده است.
برچسب‌ها
متن کامل
# 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.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.