不规则离散日内价格的得分驱动GARCH
文章 arXiv papers · 作者: Vladimír Holý
总结
本文档介绍一种高频价格模型，适用于不规则观测时间和离散价格变动。模型在得分驱动波动率框架中使用零膨胀斯凯拉姆分布，并加入移动平均成分以过滤市场微观结构噪声。平滑样条用于表示交易时长与波动率的关系，以及二者如何在整个交易日内变化。
模型参数使用极大似然法估计。文中报告称，将模型应用于IBM股票时拟合效果良好，并指出该模型也可测量每日已实现波动率。报告没有详细比较其他模型，没有提供量化拟合统计数据，也未对其他资产和市场环境进行更广泛的检验，因此证据仅限于所述单只股票研究。
核心观点
- 该模型适用于观测时间不规则且价格变动离散的情况。
- 零膨胀斯凯拉姆分布驱动基于得分的时变波动率过程。
- 模型使用移动平均成分处理市场微观结构噪声。
- 平滑样条刻画交易时长与波动率之间的联系，包括日内模式。
- 该方法使用极大似然法估计，也被提出用于测量每日已实现波动率。
标签
全文
# 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.
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。