GARCH dựa trên điểm số cho giá nội ngày rời rạc, thời điểm không đều

Tóm tắt

Tài liệu trình bày mô hình giá tần suất cao được thiết kế cho thời điểm quan sát không đều và biến động giá rời rạc. Mô hình dùng phân phối Skellam có lạm phát số không trong khuôn khổ biến động dựa trên điểm số, với thành phần trung bình trượt nhằm lọc nhiễu vi cấu trúc thị trường. Đường cong spline làm trơn biểu diễn mối liên hệ giữa thời lượng giao dịch và biến động, cũng như cách cả hai thay đổi trong suốt phiên giao dịch.

Các tham số được ước lượng bằng hợp lý cực đại. Ứng dụng thực nghiệm trên cổ phiếu IBM được báo cáo là khớp dữ liệu tốt; các tác giả lưu ý mô hình cũng có thể đo lường biến động thực tế hằng ngày. Phần trình bày không có so sánh chi tiết với mô hình thay thế, thống kê định lượng về độ khớp hoặc kiểm định rộng hơn trên các tài sản và điều kiện thị trường, nên bằng chứng chỉ giới hạn ở nghiên cứu cổ phiếu đơn lẻ đã nêu.

Ý chính

• Mô hình xử lý các quan sát có thời điểm không đều và biến động giá rời rạc.
• Phân phối Skellam có lạm phát số không chi phối quá trình biến động thay đổi theo thời gian dựa trên điểm số.
• Thành phần trung bình trượt được dùng để xử lý nhiễu vi cấu trúc thị trường.
• Đường cong spline làm trơn nắm bắt mối liên hệ giữa thời lượng giao dịch và biến động, bao gồm các mô hình trong ngày.
• Phương pháp được ước lượng bằng hợp lý cực đại và cũng được đề xuất để đo lường biến động thực tế hằng ngày.

Thẻ

# 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.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.