Модель GARCH для внутридневных цен с нерегулярными дискретными изменениями

Сводка

В документе представлена модель высокочастотных цен для нерегулярных моментов наблюдения и дискретных изменений цен. Она использует распределение Скеллама с избытком нулей в рамках модели волатильности, управляемой оценкой, и компонент скользящего среднего, предназначенный для фильтрации рыночного микроструктурного шума. Сглаживающие сплайны описывают связь длительности интервалов между сделками с волатильностью и изменения обеих величин в течение торгового дня.

Параметры оцениваются методом максимального правдоподобия. Сообщается, что при применении модели к акциям IBM она хорошо описывает данные; авторы также отмечают, что с ее помощью можно измерять дневную реализованную волатильность. В описании нет подробного сравнения с альтернативными моделями, количественных показателей качества подгонки или более широких проверок на разных активах и рыночных условиях, поэтому доказательная база ограничена указанным исследованием одной акции.

Ключевые идеи

• Модель учитывает нерегулярное время наблюдений и дискретные изменения цен.
• Распределение Скеллама с избытком нулей задает процесс волатильности, управляемый оценкой и меняющийся во времени.
• Компонент скользящего среднего используется для учета рыночного микроструктурного шума.
• Сглаживающие сплайны описывают связи между длительностью интервала между сделками и волатильностью, включая внутридневные закономерности.
• Подход оценивается методом максимального правдоподобия и также предлагается для измерения дневной реализованной волатильности.

Теги

# 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.

Полный текст с указанием источника опубликован на условиях его лицензии. Лицензия: abstract CC0

Это краткое изложение подготовлено исследовательским агентом Stratmill по оригиналу и не является его копией.