对数自回归条件久期模型的残差自相关性分析

首先推导了对数自回归条件久期模型中残差自相关的渐近分布,得出了该模型的拟合优度统计量,将Box-Jenkins模型检验方法扩展到对数自回归条件久期模型上.同时利用对数自回归条件久期模型,进行实证性的研究,从而表明我国股票交易久期以及价格久期都存在着明显的自相关性,我国股票市场的交易久期和价格久期都有着明显的倒“U”型模式.

基于经验似然的自回归条件久期模型的统计推断

利用经验似然方法对自回归条件久期(ACD)模型参数进行统计检验,给出了自回归条件久期模型参数的经验似然比统计量,并证明了该统计量渐近服从χ2-分布.数值模拟结果表明,经验似然方法优于拟似然方法.

对数自回归条件久期模型的统计推断

对数自回归条件久期(Log-ACD)模型是研究高频数据的有效工具之一.文中首先给出Log-ACD模型参数的最小二乘估计,并证明了该统计量的渐近分布为正态分布.其次,利用经验似然方法得到Log-ACD模型参数的经验似然比检验统计量,并证明经验似然比检验统计量的渐近分布为卡方分布.最后,数值模拟结果显示,经验似然方法较最小二乘法更优.

基于非对称效应ACD模型和分时VWAP算法对A股市场算法交易的量化分析研究

目前算法交易在国际证券市场上已经成为最重要的交易方式之一,我国A股市场的算法交易尚处于起步阶段,但考虑到A股市场目前的实际情况和股指期货的推出,对于算法交易的需求日趋明显.基于此利用高频数据处理方法提出了一种适合A股市场交易规则的交易算法,首先提出一种考虑非对称效应的ACD模型来选择交易时点,然后利用一种分时的VWAP算法来决定委托量,最后利用股票价格波动预测来修正交易量和委托价格.基于A股股票的实证研究表明这种交易策略不但能获得高于市场均价的价格,同时也优于常规的算法交易算法.

交易信号对交易过程的动态影响模型研究

交易时间、交易量和交易价格是市场交易者最容易观察到的交易信号,这些信号所传递的信息必然对交易者的交易策略和交易过程产生影响。根据Manganelli基于不规则时间序列对交易时间、交易量和交易价格建立的动态系统模型,在考虑交易时间间隔的不规则性对价格波动性度量影响的基础上提出了改进模型,并利用中国股市的数据对改进前后的模型进行了实证比较。比较结果表明改进模型能更好地解释微观结构理论所揭示的交易时间、交易量和交易价格之间的动态关系及其对交易过程的影响。

交易时间视角下的中国股市流动性问题

交易过程中的时间因素是重要的信息揭示变量。在价格久期基础上,引入了新的流动性衡量指标VNET,对上海股市流动性测量和影响因素进行了深入探讨。选择了2005年9月1日至2006年12月30日作为样本时段,选取上证50指数前20只最大流通股在样本期间内的分笔交易数据作为实证研究对象。实证结果表明,我国证券市场交易过程中的各种非对称信息严重的影响着市场的流动性变化。

知情交易概率和交易活跃程度的日内动态关系

利用超高频数据基于不规则时间序列对知情交易概率和交易活跃程度进行系统建模,使用H am ilton状态转移方程和混沌优化算法对超高频知情交易概率进行估计,实证检验中国股票市场上交易持续期间、交易量和知情交易概率之间的日内动态关系及其相互影响,重点研究交易活跃程度和信息之间的超高频特性。结果表明在超高频水平上久期和交易量之间呈现负相关关系,并且信息冲击会导致交易更活跃。

简单ACD模型的M估计

文献中往往采用极大似然估计或伪极大似然估计来估计自回归条件久期模型,但是这两种方法在样本存在异常点或者残差厚尾分布是存在很大偏差.本文研究简单自回归条件就其模型的稳健估计,在一定条件下的得到了稳健估计的强相合性和渐进正态性.文章模拟结果表明:若样本没有异常点且残差不服从厚尾分布,则伪极大似然估计比稳健估计稍好;若样本服从厚尾分布或者存在异常点,则稳健估计更合适.由于高频数据往往存在异常样本且残差服从厚尾分布,因此实际处理时稳健估计是比伪极大似然估计更稳妥的一种选择.