基于市场微观结构噪声和跳跃的金融高频协方差阵的估计

金融资产的协方差阵在投资组合和风险管理中扮演着非常重要的作用,基于高频数据的协方差阵估计方法挖掘了数据中更丰富的信息,使得协方差阵的估计更加的精确。但是,随着抽样频率的增加,市场微观结构噪声和跳跃对高频协方差阵估计的影响也是不容忽视的,当噪声和跳跃同时存在时,还没有一种高频协方差阵估计方法能够同时考率这二者的影响。针对该问题,文章提出了新的估计量——修正的门限预平均已实现协方差阵MTPCOV估计方法,并对其进行了模拟研究。

市场微观结构噪声的形成机制研究

模拟结果和实证分析表明,三种形成机制下的微观结构噪声具有不同类别的统计特征,其噪声序列分别表现为白噪声、自相关以及与价格序列的相关性,涵盖了噪声假设的各个类别。除此之外,价格离散和非频繁交易还是"零收益率"这种特殊噪声现象的产生原因,其中价格离散对低价格资产的影响更为严重,这是我国金融市场中最常见的噪声形成机制之一。

市场微观结构噪声真的仅仅是“噪声”么?——来自我国A股市场的经验研究

在超高频金融数据分析中,由于各种交易摩擦,观测到的资产价格通常受到市场微观结构嗓声的“污染”.已有文献通常认为噪声不包含任何信息并且对有效价格的推断带来诸多不便,因而是一个“丑陋”的现象。然而,最近一些研究表明噪声与有效价格相关,可能包含潜在价格有关的信息,基于门限预平均已实现方差估计,本文从中国股市逐笔交易数据中分离出噪声方差、跳跃波动与连续波动,进而采用异质自回归(Heterogeneous Autoregressive,HAR)模型和面板HAR模型考察噪声方差及其不同成分与有效价格波动之间相互预测能力的差异及其可能原因。研究发现:(1)噪声方差具有很强的相依性,与连续波动和跳跃波幼之间均存在一定的相互预测能力,特别是噪声方差与连续波动之间预测回归的显著性更强;(2)噪声方差与交易量同步知情交易者概率(Volume-synchronized Probability of Informed Trading,VPIN)显著正相关,在将噪声方差进一步分解为包含信息部分与非信息部分之后,实证发现噪声方差与连续波动之间相互预测作用主要体现在信息部分,噪声方差对跳跃波动预测作用主要体现在其信息部分,而跳跃波动主要对噪声方差的非信息部分具有预測作用。本文的研究对加强市场风险管理和理解市场微观结构理论均具有重要的意义.

高频金融数据中市场微观结构噪音误差估计

由于在波动率估计中高频数据的使用,市场微观结构噪音的干扰对无偏的和一致的估计波动率已经变成了一种障碍.为了更好地估计真实波动率,噪音方差估计显得日益重要.本文基于目前关于波动率估计研究成果,提出了在不同的假设情况下估计市场微观结构噪音误差的方法,并与常用的估计方法进行深入的比较,得到它们的渐近性质,并且进行广泛的模拟研究它们的有限样本性质,并得到较有意义的结果.

交易信息、跳跃发现与波动率估计

在高频金融数据研究中,估计金融资产价格序列积分波动率时,往往需要考虑市场微观结构噪声与资产价格跳跃的影响。本文将市场微观结构噪声部分地表示成交易信息的参数函数,并结合资产收益序列的跳跃特征,提出资产收益的高斯混合模型。本文利用EM算法进行噪声参数估计的同时,识别资产价格的跳跃,进而提出一种新的积分波动率的估计量。本文提出的方法可以视为Li等(2016)的改进,并在模拟研究中,得到了比Li等(2016)更好的参数估计效果,且即使在跳跃幅度分布误设的情况下,也具有良好的识别跳跃的功能。在应用举例中,对比了本文方法与Lee和Mykland(2008)的跳跃发现方法,论证了本文的模型在识别跳跃方面的可靠性。

基于门限预平均已调整多次幂变差的可积波动估计及其应用

本文在市场微观结构噪声和跳跃下新提出一类可积波动估计.这些估计联合采用了预平均已调整多次幂变差估计和门限技术,分别消除噪声和跳跃的影响.我们同时给出这一估计的渐近性质,包括一致性和中心极限定理.蒙特卡罗模拟结果表明这一估计对噪声和Lévy跳跃稳健,并且相比预平均已调整多次幂变差(PMMV)估计(Vetter, 2008)具有更好的表现.在实证应用中,基于中国股市逐笔交易的高频数据估计出2015年股灾前后上证50成分股的连续波动,跳跃波动以及噪声波动,并且研究了它们之间相互关系.实证发现:1)噪声波动对潜在收益波动具有正向预测作用,但该预测作用主要针对连续波动,对跳跃波动预测作用并不显著;2)噪声波动具有很强的相依性,连续波动对其具有显著正向预测作用,而跳跃波动对其不存在显著的预测能力.本文研究结果表明噪声包含了有助于潜在价格波动预测的信息,不完全是"噪声",其包含的信息有待深入挖掘.