基于TrTS取样的股票收益率RV测度的改进

doi:10.16381/j.cnki.issn1003-207x.2015.07.004

中国管理科学 ›› 2015, Vol. 23 ›› Issue (7): 26-34.doi: 10.16381/j.cnki.issn1003-207x.2015.07.004

基于TrTS取样的股票收益率RV测度的改进

赵军力^1,2, 梁循¹

1. 中国人民大学信息学院, 北京 100872;
2. 上海交通大学安泰经济与管理学院, 上海 200030

收稿日期:2013-04-22 修回日期:2014-07-21 出版日期:2015-07-20 发布日期:2015-07-22
作者简介:赵军力(1990-),男(汉族),山东人,中国人民大学信息学院,研究生,研究方向:金融资产收益率波动性研究.
基金资助:
中国人民大学科学研究基金项目(10XNI029); 北京市自然科学基金资助项目(4132067);国家自然科学基金资助项目(71271211)

An Improvement on the Estimate of Realized Variance of Stock Yield Based on Transaction Time Sampling

ZHAO Jun-li^1,2, LIANG Xun¹

1. Renmin University of China, School of Information, Beijing 100872, China;
2. Shanghai Jiao Tong University, Antai College of Economics and Management, Shanghai 200030, China

Received:2013-04-22 Revised:2014-07-21 Online:2015-07-20 Published:2015-07-22

摘要/Abstract

摘要： 由于噪声的存在使得高频数据的分析过程存在着诸多困难,本文探讨了高频数据情况下的金融资产收益率已实现波动率的估计问题。在离散化的跳跃模型基础上,通过混合泊松分布而非传统的连续扩散模型来描述价格过程,并进一步提出了不同于以往文献研究的噪声假设,即在独立同分布的噪声假设基础上放松约束条件,保持噪声的独立性,但是允许噪声强度随时间变化,以此改善了传统的固定时间间隔取样模式。为了进一步改善估计效果,我们结合了TrTS(Transaction Time Sampling)以及一阶偏误修正的RV(realized variance)估计方式RVAC(1) (first-order AutoCorrelation to RV)。对来自两个交易所不同板块股票的价格数据进行的实证研究结果表明,本文的估计方式虽然对于个别股票价格数据会产生与实际背离潜在真实价格参数,但整体上对于已实现波动率的估计效果是比较稳健的。

关键词: 金融高频数据, 金融资产收益率波动性, 市场微观噪声, 混合泊松分布

Abstract: The analysis of high-frequency data is diffucult, because of the white noise. In this paper, the estimate of RV on financial assets is studied, especially when high frequency asset prices are available. The analysis is based on a pure jump process for prices. The compound Poisson process (CPP) is introduced to describe the dynamics of price.Additionally, a new assumption is made on noise that generalizes the traditional i.i.d.one, which allows the variance of noise varying across the day. With the CPP model, the path of noise is separated from the observed price and then the noise path is used to improve the traditional sampling scheme. For further improvement, our new sampling scheme is combined with the transaction time sampling scheme and the first-order correction RV. Experiments on the stock price data from both stock exchanges in China demonstrate that although our estimator may produce an outlier occasionally, it can pass the robustness tests in general.

Key words: high-frequency data, realized variance, microstructure noise, compound Poisson process

中图分类号:

F830.91

赵军力, 梁循. 基于TrTS取样的股票收益率RV测度的改进[J]. 中国管理科学, 2015, 23(7): 26-34.

ZHAO Jun-li, LIANG Xun. An Improvement on the Estimate of Realized Variance of Stock Yield Based on Transaction Time Sampling[J]. Chinese Journal of Management Science, 2015, 23(7): 26-34.

参考文献

[1] Oomen R C A. Properties of bias corrected realized variance under alternative sampling schemes[J]. Journal of Financial Econometrics, 2005, 3(4):555-557.

[2] Barndorff-Nielsen O E, Hansen P R, Lunde A, et al. Designing realized kernels to measure the ex post variation of equityprices in the presence of noise[J].Econometrica, 2008, 76(6): 1481-1536

[3] Bandi F M,Russell J R. Microstructure noise, realized volatility, and optimal sampling[J]. Review of Economic Studies, 2008, 75(2):339-369.

[4] Oomen R C A. Properties of realized variance under alternative sampling schemes[J].Journal of Business & Economic Statistics, 2006, 24(2):219-237.

[5] Oomen R. Properties of realized variance for a pure jump process: Calendar time sampling versus business time sampling[R]. Working Paper,Financial Econometrics Research Centre,2004.

[6] Hansen P R, Lunde A. Realized variance and market microstructure noise[J]. Journal of Business & Economic Statistics, 2006, 24(2):127-161.

[7] Hansen P R, Lunde A. Realized variance and I.I.D. market microstructure noise[J]. Journal of Business & Economics Statistics,2004, 24(2):208-218.

[8] Hansen P R, Lunde A. An unbiased measure of realized variance[R]. Working Paper, University of A arhus 2004.

[9] Bandi F M, Russell J R. Separating microstructure noise from volatility[J]. Journal of Financial Economics, 2005, 79(3):655-692.

[10] Griffin J E, Oomen R C A. Sampling returns for realized variance calculations: Tick time or transaction time[J]. Econometric Reviews, 2008, 27(1): 230-253.

[11] McAleer M,Medeiros M C. Realized volatility: A review[J]. Econometric Reviews, 2008, 27(1): 10-45.

[12] Gatheral J, Oomen R C A. Zero-intelligence realized variance estimation[J]. Finance Stoch, 2010, 14(2): 249-283.

[13] 沈根祥. 股票收益随机波动模型研究[J].中国管理科学, 2003, 11(2): 17-20.

[14] 张世英, 樊智. 协调理论与波动模型——金融时间序列分析及应用[M].清华大学出版社, 2004.

[15] 王春峰, 蒋祥林, 吴晓霖. 随机波动模型的比较分析[J].系统工程学报, 2005, 20(2):216-219.

[16] 王天一, 黄卓. 基于高频数据的波动率建模及应用研究评述[J]. 经济学动态, 2012, (3): 141-146.

基于TrTS取样的股票收益率RV测度的改进

An Improvement on the Estimate of Realized Variance of Stock Yield Based on Transaction Time Sampling

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10

[1]	宋平凡, 谭常春, 祁毓. 基于相对熵方法的长寿债券定价研究[J]. 中国管理科学, 2019, 27(5): 32-41.
[2]	赵鹏举, 张维. 基于随机动力系统的证券市场演化动态研究[J]. 中国管理科学, 2019, 27(5): 50-56.
[3]	向诚, 陆静. 本地投资者有信息优势吗?基于百度搜索的实证研究[J]. 中国管理科学, 2019, 27(4): 25-36.
[4]	蒋辉, 马超群, 许旭庆, 兰秋军. 仿EM的多变量缺失数据填补算法及其在信用评估中的应用[J]. 中国管理科学, 2019, 27(3): 11-19.
[5]	陈文博, 陈浪南, 王升泉. 投资者的博彩行为研究——基于盈亏状态和投资者情绪的视角[J]. 中国管理科学, 2019, 27(2): 19-30.
[6]	李准, 李强, 曾勇. 增长期权的执行、创造与资产风险溢价——企业生命周期的视角[J]. 中国管理科学, 2018, 26(10): 1-9.
[7]	徐光鲁, 马超群, 刘伟, 贾钰. 信息披露与IPO首日回报率[J]. 中国管理科学, 2018, 26(10): 10-19.
[8]	朱学红, 邹佳纹, 韩飞燕, 谌金宇. 引入外部冲击的中国铜期货市场高频波动率建模与预测[J]. 中国管理科学, 2018, 26(9): 52-61.
[9]	马超群, 徐光鲁, 刘伟, 贾钰, 赵新伟. 询价制度改革、知情交易者概率与IPO溢价[J]. 中国管理科学, 2018, 26(8): 1-12.
[10]	何俊勇, 张顺明. 在相关系数暧昧环境下的市场微观结构研究[J]. 中国管理科学, 2018, 26(4): 139-154.
[11]	石玉山, 刘海龙, 胡友群. 考虑流动性和组合再平衡风险的股票质押率优化模型[J]. 中国管理科学, 2018, 26(1): 81-89.
[12]	胡昌生, 程志富, 陈晶, 熊德超. 投资组合约束下分离交易可转债的定价[J]. 中国管理科学, 2017, 25(9): 11-18.
[13]	宋亚琼, 王新军. 基于动态估计误差的中国股市波动率建模与预测[J]. 中国管理科学, 2017, 25(9): 19-27.
[14]	巢文, 邹辉文. 基于双指数跳跃扩散模型的长寿债券定价研究[J]. 中国管理科学, 2017, 25(9): 46-52.
[15]	曾裕峰, 简志宏, 彭伟. 中国金融业不同板块间风险传导的非对称性研究——基于非对称MVMQ-CAViaR模型的实证分析[J]. 中国管理科学, 2017, 25(8): 58-67.