论文部分内容阅读
随着科技的发展，采集技术的进步，高频数据和超高频数据成为了金融时间序列的一个新的研究方向。高频数据通常是指采集频率为秒、分、小时为单位的数据，超高频数据为交易过程中根据实际情况实时采集的数据。股票市场中交易持续期数据是指每次发生交易之间的时间间隔数据，是典型的超高频数据。ACD模型主要运用于高频数据，该模型能够揭示数据的微观结构。非参数方法不需对数据和模型做出假设，模型的形式比较的自由，它是利用数据直接进行建模分析，其模型的光滑参数主要受数据驱动，具有适应能力强，稳健性好，精度高的特点。本文旨在运用ACD模型与非参数核估计相结合的方法对中国股票市场进行初步的研究分析，主要内容如下： 本文首先介绍了高频数据具有间隔的不规律性，离散取值，数据量大，不等间距，自相关性以及日内效应的特征；其次，重点阐述了ACD模型的理论知识，ACD模型根据冲击项的分布形式，可以分为 WACD模型，GACD模型，EACD模型，都是参数ACD模型的扩展形式；最后，详细介绍了非参数估计中的核估计方法，将核估计与ACD模型相结合，得到了基于核估计的非参数ACD模型。进行实证分析，选取了活跃股票上海绿新和不活跃股票民生银行，对其12月1日—12月5日的交易持续期数据进行统计分析，对数据进行预处理，去除日内效应；从整理前后数据的描述统计量，自相关性进行简单的分析，可以知道处理后的数据相比于处理前各个指标有所下降，数据更加集中，但处理前后都不服从正态分布，都存在着自相关性；运用参数ACD模型中的WACD(1,1)和GACD(1,1)，对交易持续期数据进行拟合，得到估计模型，根据残差的ACF结果和Ljung-Box统计量结果判断，WACD和GACD模型对于活跃股票上海绿新的适用性更好；运用非参数核估计的方法对两支股票进行拟合，得到的拟合图形效果较好，为了进一步的比较优劣，采用误差分析中的MSE和MAE两个指标，结果表明，在参数估计方法中，GACD模型对于活跃股票上海绿新的拟合效果更好，而WACD对于不活跃股票民生银行的拟合误差更小，总体来看，相比于参数ACD估计的误差，非参数核估计对两种股票都明显更优，拟合效果更好。