交易活动能否作为 GARCH 股票波动率模型的信息代理
文章 arXiv papers · 作者: Tetsuya Takaishi et al.
总结
该研究使用东京证券交易所数据，考察每日成交量和交易笔数能否解释股票波动率。根据分布混合假说，研究将两项指标视为市场相关信息到达速率的代理变量。研究采用广义自回归条件异方差模型评估它们与波动率的关系，该模型能够捕捉条件方差的持续性。
研究报告称，加入成交量或交易笔数并不总能消除 GARCH 效应。作者将此解读为这些活动指标不足以捕捉信息到达速率的证据。该结果提醒人们，不应认为交易增加本身足以解释波动率持续性。所提供的描述未说明样本时期、股票、模型变体或持续性仍存在的情况有多常见，因此仅凭这份摘要无法判断结果的力度和普遍性。
核心观点
- 研究检验成交量和交易笔数能否作为信息到达的代理变量。
- 研究使用东京证券交易所日度数据和 GARCH 模型评估波动率持续性。
- 加入任一交易指标都不一定能消除 GARCH 效应。
- 报告结果表明，成交量和交易笔数无法完整衡量信息流。
- 本文提供的方法细节不足以评估结果的适用范围。
标签
全文
# The relationship between trading volumes, number of transactions, and stock volatility in GARCH models # The relationship between trading volumes, number of transactions, and stock volatility in GARCH models We examine the relationship between trading volumes, number of transactions, and volatility using daily stock data of the Tokyo Stock Exchange. Following the mixture of distributions hypothesis, we use trading volumes and the number of transactions as proxy for the rate of information arrivals affecting stock volatility. The impact of trading volumes or number of transactions on volatility is measured using the generalized autoregressive conditional heteroscedasticity (GARCH) model. We find that the GARCH effects, that is, persistence of volatility, is not always removed by adding trading volumes or number of transactions, indicating that trading volumes and number of transactions do not adequately represent the rate of information arrivals.
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。