本文關(guān)鍵詞：基于高頻數(shù)據(jù)實(shí)現(xiàn)波動(dòng)算法的改進(jìn)與評(píng)估

  更多相關(guān)文章： 實(shí)現(xiàn)波動(dòng) 微觀結(jié)構(gòu)噪聲 算法改進(jìn) VaR

【摘要】：為了克服高頻金融數(shù)據(jù)中微觀結(jié)構(gòu)噪聲對(duì)實(shí)現(xiàn)波動(dòng)的影響,多種基于漸近理論的修正算法均試圖將實(shí)現(xiàn)波動(dòng)修正為波動(dòng)的無(wú)偏一致估計(jì),但實(shí)證結(jié)果表明這些算法并不被有限個(gè)數(shù)樣本所支持。利用交易量信息來(lái)標(biāo)識(shí)微觀結(jié)構(gòu)噪聲的強(qiáng)度,使用不等概系統(tǒng)抽樣的方法選取計(jì)算樣本,結(jié)合已有的修正算法,文章構(gòu)建了可主動(dòng)減少微觀結(jié)構(gòu)噪聲的算法,不僅使實(shí)現(xiàn)波動(dòng)的統(tǒng)計(jì)特性與理論保持一致,實(shí)際的Va R估算結(jié)果也優(yōu)于已有算法。
【作者單位】： 北京交通大學(xué)中國(guó)產(chǎn)業(yè)安全研究中心博士后科研工作站;對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué);
【關(guān)鍵詞】： 實(shí)現(xiàn)波動(dòng) 微觀結(jié)構(gòu)噪聲 算法改進(jìn) VaR
【分類(lèi)號(hào)】：O212;F830.9
【正文快照】： 0引言實(shí)現(xiàn)波動(dòng)(Realized Volatility,簡(jiǎn)稱(chēng)RV)是在高頻金融數(shù)據(jù)支持下發(fā)展起來(lái)的新型波動(dòng)模型,它是根據(jù)時(shí)期內(nèi)收益平方和“計(jì)算”波動(dòng),而不是“估計(jì)”波動(dòng),屬于非參數(shù)波動(dòng)估計(jì)技術(shù)。Merton[1]曾指出,只要固定時(shí)期內(nèi)的數(shù)據(jù)可被以足夠高的頻率抽選,則方差就可以通過(guò)時(shí)期內(nèi)收益平

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前8條

1 劉廣應(yīng);蔡則祥;張新生;;波動(dòng)率度量方法的比較分析——基于LHAR-RV-EVT風(fēng)險(xiǎn)管理[J];南京審計(jì)學(xué)院學(xué)報(bào);2013年06期

2 L，

本文編號(hào)：717713