ACD模型和其扩展——金融高频数据计量模型的新动态.pdf

http :// ACD 模型及其扩展 金融高频数据计量模型的新动态 鲁 万 波 西南财经大学统计学院 610074 email:luwb@ 摘 要 本文结合高频数据所表现出的独有特征系统地回顾了近年ACD Autoregressive Conditioned Duration 模型及其扩展在国际 国内的发展状况 展望了该模型的发展方向 关键词 高频数据 超高频数据 ACD 模型 持续性 1 引言 近十年来 随着电子计算机软件和硬件技术以及电子交易系统的飞速发展 随着数据记 录和存储成本以及交易成本的大大降低 数据获取和处理的方法手段获得了长足的进步 这 使得人们不但能够获得通常以年 月 周 日为频率所采集的金融数据 而且能够获取更微 小时间区间范围内 如小时 分钟 秒 的观测数据 人们通常把以小时 分钟或秒为频率 所采集的数据称为高频数据 而把交易过程当中实时交易的数据称为超高频数据 这些数据 的获取对于研究市场微观结构和运行机制具有重要的理论和实践意义 目前 在我国日内数据 特别是证券市场的数据已经比较容易获得 高频数据的理论和 实证分析已经开始被研究者和市场管理者关注 本文系统地回顾了近年ACD Autoregressive Conditioned Duration 模型及其扩展 简称ACD 簇模型 在国际 国内的发展状况 并进一 步展望了ACD 簇模型的发展方向 2 金融高频数据的几个基本问题 与传统的低频数据相比 高频数据表现出一些独有的特征 根据成熟市场已有的实证分 析结果 主要体现出如下几个方面的基本问题 1 日历效应”(calendar effects) 波动率 交易量 买卖价差 交易频率等金融指标在 日 内表现出稳定的 周期性的 U 型运动模式 一般是一天中早上 下午开市 闭市时高 中午时间低 2 交易时间记录间隔不等 金融市场的交易是在不等间隔的时点上进行的 建立在相同 时间间隔观测基础上的计量经济模型 如 ARCH 模型和 SV 模型 无法适用 此时 每 两笔交易之间的持续时间变得非常重要 3 时间不一致性 同一时间的交易可能会因为交易系统或数据传输的原因在不同时刻发 布出去 而不同时刻的交易可能在同一时刻被合并发布 这就大大增加了高频数据不等 间隔的随机性 4 离散取值 所记录的价格数据是离散观测值 如中国沪深股市的最小价格变动单位是 - 1- 1 - - http :// 分 美国 NYSE 股价变动最小单位是 1/8 美元 5 数据量大 每天交易量大的时候 会有多笔交易同时发生 有时伴随着不同的价格变 化 以秒 分来计量时间都成为太长的时间刻度 3 ACD 模型 在关于金融高频数据的问题中 首要的问题是交易数据在随机时刻发生的不等间隔特性 目前对于不等间隔的高频数据计量模型是从交易间隔的刻画入手的 Engle 和 Russell