基于BSP-HAR-RV模型的最优抽样频率研究

金融高频时间序列由于数量大,周期短,信息丰富从而可以很好的反映金融市场特征。通过绘出平均双幂变差已实现波动率散点图(BiPowe Realized Volatility Signature Plot,BSP),建立BSP-HAR-RV模型,改进以往国内通过列举法选择最优频率的方法。最后对TCL集团股票价格一年多的高频数据实证分析,验证模型结果,并将其在最优频率下测量得到的HAR-RV模型预测结果与以往广泛使用的5min、10min频率下得到的结果进行比较,发现最优抽样频率下模型预测能力较好,具有可行性。

基于BSP-HAR-RV模型的最优抽样频率研究

金融高频时间序列数量大、周期短、信息丰富,可以很好地反映金融市场特征。通过绘出平均双幂变差已实现波动率散点图(Bi Powe realized volatility Signature Plot,BSP),建立BSP-HAR-RV模型,改进以往国内通过列举法选择最优频率的方法。最后对TCL集团股票价格的高频数据进行实证分析,验证模型结果 ,并将其在最优频率下得到的HAR-RV模型预测结果与以往广泛使用的5min、10min频率得到的结果进行比较,发现最优抽样频率下模型预测能力较好,具有可行性。