全部版块 我的主页
论坛 经济学人 二区 外文文献专区
808 23
2022-06-25
英文标题:
《Modeling microstructure price dynamics with symmetric Hawkes and
  diffusion model using ultra-high-frequency stock data》
---
作者:
Kyungsub Lee and Byoung Ki Seo
---
最新提交年份:
2019
---
英文摘要:
  This study examine the theoretical and empirical perspectives of the symmetric Hawkes model of the price tick structure. Combined with the maximum likelihood estimation, the model provides a proper method of volatility estimation specialized in ultra-high-frequency analysis. Empirical studies based on the model using the ultra-high-frequency data of stocks in the S\\&P 500 are performed. The performance of the volatility measure, intraday estimation, and the dynamics of the parameters are discussed. A new approach of diffusion analogy to the symmetric Hawkes model is proposed with the distributional properties very close to the Hawkes model. As a diffusion process, the model provides more analytical simplicity when computing the variance formula, incorporating skewness and examining the probabilistic property. An estimation of the diffusion model is performed using the simulated maximum likelihood method and shows similar patterns to the Hawkes model.
---
中文摘要:
这项研究检验了对称霍克斯价格上涨结构模型的理论和实证观点。结合最大似然估计,该模型提供了一种适合于超高频分析的波动率估计方法。利用标准普尔500指数股票的超高频数据,基于该模型进行了实证研究。讨论了波动率测度的性能、日内估计和参数的动态性。提出了一种新的对称Hawkes模型扩散类比方法,其分布性质与Hawkes模型非常接近。作为一个扩散过程,该模型在计算方差公式、合并偏度和检查概率特性时提供了更简单的分析。使用模拟最大似然法对扩散模型进行估计,并显示出与霍克斯模型相似的模式。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Statistical Finance        统计金融
分类描述:Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类:Quantitative Finance        数量金融学
二级分类:Trading and Market Microstructure        交易与市场微观结构
分类描述:Market microstructure, liquidity, exchange and auction design, automated trading, agent-based modeling and market-making
市场微观结构,流动性,交易和拍卖设计,自动化交易,基于代理的建模和做市
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-6-25 08:14:35
利用超高频股票数据Kyungsub-Lee用对称Hawkesand扩散模型建模微观结构价格动态*和Byoung Ki Seo+Abstracts这项研究检验了对称Hawkes价格上涨结构模型的理论和实证观点。结合最大似然估计,该模型提供了一种适用于超高频分析的波动率估计方法。利用标准普尔500指数股票的超高频数据,基于该模型进行了实证研究。讨论了波动率测度的性能、日内估计和参数的动态性。提出了一种新的对称霍克斯模型的扩散类比方法,其分布性质非常接近霍克斯模型。作为一个差异化过程,该模型在计算方差公式、结合偏斜度和检验概率特性时提供了更为简单的分析。使用模拟最大似然法对扩散模型进行估计,并显示出与霍克斯模型相似的模式。1简介由于金融市场中计算方案、海量存储设备和电子交易系统的发展,对超高频金融数据的广泛观察和分析变得越来越有效。超高频数据包括以秒或更短时间分辨率记录的价格动态和各种类型的交易订单。因此,从业者和理论家越来越重视对超高频金融数据进行适当分析和建模的必要性。超高频数据建模的一个重要课题是具有tick结构的微观价格动态。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-25 08:14:38
为了描述价格动态和订单流的微观结构,Hawkes过程(Hawkes,1971a,b)被用来考虑价格变化或订单之间持续时间的非时间同质特征,如聚类和相互影响。霍克斯过程属于一类点过程,通过将条件强度过程构造为先前事件的函数来定义。Hewlett(2006)研究了基于对称双变量Hawkes过程的交易到达时间和价格影响模型。Large(2007)使用限价订单簿数据和相互激励的多元Hawkes过程检验了大型交易后的市场弹性。Bowsher(2007)引入了广义Hawkes模型来分析交易时间和中间价变化之间的关系。Bacry et al.(2013)利用具有强微观平均反转特性的相互激发的Hawkes过程构建了一个模型,该模型解释了市场微观结构噪音和Epps效应。另一方面,Da Fonseca和Zaatour(2014b)将自激Hawkes过程应用于广义矩估计方法,重点研究了交易的聚类行为。Da Fonseca和Zaatour(2014a)提供了自激和互激Hawkes过程的矩条件和自相关函数,以显示聚类和均值回归。Bacryand Muzy(2014)提出了一个多变量Hawkes过程来建模价格动态和市场订单的市场影响,以解释市场微观结构的各种类型化事实。关于以往基于点过程或强度模型的市场微观结构或价格动态的财务研究,读者应参考Bauwens和Hautsch(2009)、Embrechts et al.(2011)、Bacry et al.(2012)、Zheng et al.(2014)以及Choe和Lee(2014a)。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-25 08:14:41
霍克斯过程也*韩国庆宁岛庆南大学统计系38541+韩国蔚山国立科学技术研究所管理工程学院通讯作者,韩国蔚山44919,应用于信用和传染风险建模,见Errais et al.(2010)、Ait-Sahalia et al.(2010)和Dassios and Zhao(2012)。本文主要研究股票价格动态和波动率估计。超高频动力学中已实现的挥发性刺激物(Barndorff-Nielsen和Shephard,2002a,b;Andersen et al.,2003)可能存在偏差;当使用每一个超高频金融数据样本来计算微观结构噪声和聚集性导致的综合波动率的有限和近似值时,请参见Hansen和Lunde(2006)。以非参数方式介绍了偏差的调整方法(Zhang et al.,2005;ait-Sahalia et al.,2005,2011)。在这些方法中,有人假设观察到的价格过程由潜在有效价格和有效价格过程周围的噪声项组成。相比之下,在本文介绍的霍克斯模型或差分法以及相关文献中,我们直接对观察到的价格变动(可能包括噪音)进行建模,并计算收益率方差的封闭式公式,并分析方差的性质。进行了实证研究,以比较霍克斯模型计算的波动率和标准普尔500指数股票价格实现的二次方差。由于霍克斯模型将价格变化的所有到达时间都整合在毫秒时间分辨率内,因此数据的丰富性提供了波动率估计的效率。本文报告了模拟研究中霍克斯波动率与实际波动率的相对效率。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-25 08:14:44
因此,由于超高频数据中的大量信息与有效的似然估计方法相结合,可以在相对较短的观测时间内估计参数和波动率。这是霍克斯模型的一个重要特征,利用这一特性,本文给出了基于霍克斯模型的日内波动动力学的经验结果。通过观察每时每刻的日内波动率变化,可以更有效地应对突然的市场波动。此外,还介绍了霍克斯微观价格动态模型的一个差异对应物。差异模型包括波动性和漂移的平方根过程。所提出的扩散模型具有与对称霍克斯价格过程模型相似的特性,例如,在小时间尺度上,平均过程在时间滞后上的强相关性,因此它包含了市场微观结构噪声。本文报告,使用Kolmogorov正演方程,扩散模型生成的分布非常接近相应的Hawkes模型。作为一种差异模型,计算方差公式更简单,能够引入杠杆参数来解释偏度,并提供关于收益分布特性的见解。此外,利用模拟似然估计方法,对股票收益率的模型参数和波动性进行了检验。论文的其余部分组织如下。第2节介绍了微观价格动态的霍克斯模型,其基本设置类似于Hewlett(2006)。第3节提出并讨论了对称霍克斯模型的扩散类比。第4节展示了对称霍克斯模型和相应的扩散模型的实证结果。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-6-25 08:14:47
图中显示了霍克斯参数的日变化和日内变化,以及标普500指数的多个股票数据的波动性。第五部分对论文进行了总结。证据和进一步的解释收集在附录中。2滴答动态的霍克斯过程2.1点过程本节首先介绍霍克斯过程,它属于点过程(参见Daley和Vere-Jones(2003))。点过程N在状态空间X上正式定义为概率空间的映射(Ohm, P) 到N,其中N表示X的Borel集的σ-场上所有计数度量的空间,BX。空间X是一个完全可分的度量空间,为了研究股票价格运动的动态性,本文重点研究了X=R,时域的情况。作为计数度量,N(a,ω)对于任何可测集合a都有一个非负整数值∈ Bx对于任何有界可测A都是有限的。使用Dirac测度δx,为everyx定义∈ 十、 计数度量由n=Xikiδxi表示,其中{xi}是一个可数集,在任何有界Borel集中最多有个xi,Ki是一个正整数。本文只考虑简单的计数测度,即所有i的ki=1。点过程N可以通过N(t,ω)=N视为随机过程((-∞, t] ,ω)。考虑过滤概率空间(Ohm, {Ft},P),-∞ < t型≤ T,其中σ-场FTI由N(T)生成。Hawkes过程是一个有序的平稳点过程N,通过对条件强度λ进行建模而构建。条件强度函数表示为{Ft}的自适应过程,使得λ(t)dt=E[N(t+dt)- N(t)| Ft]。对于M维Hawkes过程(N,…,NM),假设Ni的每个密度λi(t)为λi(t)=ui+MXj=1Zt-∞φi,j(t-u) dNj(u),其中φi,j(t- u) 通常是一个确定性函数,称为kernel。r.h.s.的整合。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群