北京师范大学学报（自然科学版）
北京師範大學學報（自然科學版）
북경사범대학학보（자연과학판）
JOURNAL OF BEIJING NORMAL UNIVERSITY
2015年
4期
348-353
,共6页
高频数据%长记忆%回归模型
高頻數據%長記憶%迴歸模型
고빈수거%장기억%회귀모형
high frequency data%long memory%regression model
在高频交易中,金融资产价格变化的时间持续期是交易者关注的重点。在以往的文献中,人们一般是用ARFIMA(p ,d ,q)模型或者 ACD 模型研究时间持续期。然而,我们在分析股指期货的高频数据时发现,时间持续期不仅与其自身滞后期相关,还与这期间内没有发生价格变化的交易次数和价格变化的具体值有关。因此,本文将 ARFIMA (0,d ,0)模型与回归模型结合起来,提出了时间持续期与其他因素存在线性关系的新模型,并且时间持续期还具有长记忆特征。我们试图用此模型研究高频交易中价格变化的时间持续期、持续期内没有发生价格变化的交易次数以及价格变化的具体值三者之间的关系。模拟结果表明我们提出的 profile-最小二乘法能够较好地估计新模型中的参数。实证部分用我国沪深300股指期货的高频交易数据来说明新模型的应用价值。
在高頻交易中,金融資產價格變化的時間持續期是交易者關註的重點。在以往的文獻中,人們一般是用ARFIMA(p ,d ,q)模型或者 ACD 模型研究時間持續期。然而,我們在分析股指期貨的高頻數據時髮現,時間持續期不僅與其自身滯後期相關,還與這期間內沒有髮生價格變化的交易次數和價格變化的具體值有關。因此,本文將 ARFIMA (0,d ,0)模型與迴歸模型結閤起來,提齣瞭時間持續期與其他因素存在線性關繫的新模型,併且時間持續期還具有長記憶特徵。我們試圖用此模型研究高頻交易中價格變化的時間持續期、持續期內沒有髮生價格變化的交易次數以及價格變化的具體值三者之間的關繫。模擬結果錶明我們提齣的 profile-最小二乘法能夠較好地估計新模型中的參數。實證部分用我國滬深300股指期貨的高頻交易數據來說明新模型的應用價值。
재고빈교역중,금융자산개격변화적시간지속기시교역자관주적중점。재이왕적문헌중,인문일반시용ARFIMA(p ,d ,q)모형혹자 ACD 모형연구시간지속기。연이,아문재분석고지기화적고빈수거시발현,시간지속기불부여기자신체후기상관,환여저기간내몰유발생개격변화적교역차수화개격변화적구체치유관。인차,본문장 ARFIMA (0,d ,0)모형여회귀모형결합기래,제출료시간지속기여기타인소존재선성관계적신모형,병차시간지속기환구유장기억특정。아문시도용차모형연구고빈교역중개격변화적시간지속기、지속기내몰유발생개격변화적교역차수이급개격변화적구체치삼자지간적관계。모의결과표명아문제출적 profile-최소이승법능구교호지고계신모형중적삼수。실증부분용아국호심300고지기화적고빈교역수거래설명신모형적응용개치。
The time duration for price changes of financial asset is the focus of attention of trades in high frequency data analysis.In the past,people generally use the ARFIMA (p ,d ,q)model or the ACD model to study time duration.When high frequency data of stock index futures are analyzed,the time duration is found to be related not only to its lag terms,but also to the number of trades in the period with no price change,and to the size of the price change in Renminbi yuan.The ARFIMA (0,d ,0 )and the regression models are combined as a new model that allows the study of the linear relationship between time duration,which has a long memory,and other factors.This model is used to study the relationships among three parameters:(1 ) time duration between two price changes in high frequency trading,(2)number of trades during period of no price change,and (3)value of price change.Simulation results show that it is appropriate to use the profile least-squares method to estimate parameters in the new model.We used high frequency trading data of Shanghai and Shenzhen 300 stock index futures to illustrate application value of the new model.
