跳至正文
返回文库全部文档

利用成交量与订单簿数据估计瞬时波动率

文章 arXiv papers · 作者: Oleh Danyliv et al.
阅读原文

总结

本文介绍一种实证市场不变量，它将该金融工具的波动率与成交量、平均价差和订单簿中的可用量联系起来。文中利用这种关系估计作者所称的瞬时波动率，并将其定位为程序化交易和波动率决策的短期输入。

作者报告称，他们在多个市场和资产类别中检验了这种关系，测试中未发现显著违例。他们还称，定量比较发现，该估计值比提前一日的 GARCH(1,1) 预测更贴近已实现波动率。摘要未说明该不变量的公式、采样频率、测试期间、误差指标或市场覆盖范围，因此无法判断所报告的比较能否广泛适用。文中所述输入将该估计与市场活动和订单簿状况联系起来，因此该方法既与市场微观结构有关，也适用于波动率测量。

核心观点

  • 所提不变量将波动率与成交量、平均价差和订单簿可用量联系起来。
  • 该不变量用于构建短期瞬时波动率估计值。
  • 作者报告称，他们在多个市场和资产类别中检验了这种关系，未发现显著违例。
  • 作者的比较发现，该估计值比提前一日的 GARCH(1,1) 预测更贴近已实现波动率。
  • 本文未提供评估结果普适性所需的公式和评估细节。

标签

波动率市场微观结构高频交易统计学
全文
# An instantaneous market volatility estimation


# An instantaneous market volatility estimation









Working on different aspects of algorithmic trading we empirically discovered a new market invariant. It links together the volatility of the instrument with its traded volume, the average spread and the volume in the order book. The invariant has been tested on different markets and different asset classes. In all cases we did not find significant violation of the invariant. The formula for the invariant was used for the volatility estimation, which we called the instantaneous volatility. Quantitative comparison showed that it reproduces realised volatility better than one-day-ahead GARCH(1,1) prediction. Because of the short-term prediction nature, the instantaneous volatility could be used by algo developers, volatility traders and other market professionals.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。