基于高频数据的分类信息混合分布GARCH模型研究VIP免费

基于高频数据的分类信息混合分布GARCH模型研究凌士勤杨波袁开洪凌云1【摘要】本文提出了基于高频数据的分类信息混合分布GARCH模型，以上证指数的五分钟高频数据作为研究对象，引入修正的混合分布（MMM）模型，将去除了趋势性和序列相关性的不同性质的对数交易量分解为进入市场的正的随机信息流和负的随机信息流两部分，作为分类信息流代理，加入GARCH模型的方差方程中，考察好消息、坏消息对上证指数波动性的影响。关键词MMM，高频数据，分类信息，GARCH中图分类号F224.9文献标识码AAstudyofthehigh-frequency-data-basedclassifiedinformationmixturedistributionGARCHmodelLingshiqin,yangbo,yuankaihong,lingyun1*在此感谢我的导师华中科技大学经济学院副院长唐齐鸣教授和张学功博士给予的指导和建议。作者简介：凌士勤(lingshiqin),（1975-），男，汉族，湖北武汉人，华中科技大学经济学院博士生；主要从事金融市场方面的研究。联系电话：13647218774、027-87552320邮编：430074Email：mikey_ling@163.com杨波（yangbo）（1969-），男，汉族，湖北武汉人，华中科技大学经济学院博士生，主要从事国际经济方面的研究。联系电话：027-87552320邮编：430074Email：yangbo21cn@hotmail.com袁开洪（yuankaihong）（1978-），男，汉族，江苏宜兴人，华中科技大学经济学院博士生，主要从事微观经济方面的研究。联系电话：027-87552320邮编：430074Email：peter_ykh@163.com凌云（lingyun）（1973-），女，汉族，湖北武汉人，深圳证券信息有限公司。联系电话：0755－83276740，13838737345邮编：430074Email：tracyl@163.com111313131【Abstract】Thehigh-frequency-data-basedclassifiedinformationmixturedistributionGARCHmodel,whichisputforwardinthisarticle,isbasedonmarketmicrostructuretheory.Wetakeanempiricaltestontheprice-volumerelationintheChinesestockmarketbyaddingthehigh-frequency-data-basedvolumecausedbygoodnewsandbadnewsintheGARCHmodelastheclassifiedinformationflowproxy.Inaddition,theresultofourworkcansupportthattheclassifiedvolumeisaninterpretationofthepersistenceofthevolatilityofthestockmarket,andwecandistinguishthedifferenteffectcausedbytheclassifiedinformation.【KeyWords】MMM;highfrequencydata;classifiedinformation;GARCH一、文献及研究综述自PekerK.Clark(1973)首次提出了股票价格波动的混合分布假说（MDH）理论，对作为引起股票收益率波动性的原因之一的市场信息流的研究就一直是研究波动理论的热点。该理论认为，价格回报和交易量是由一个潜在的不可观测的信息流变量决定，信息流的冲击将同时产生交易量和价格波动。信息流即为混合变量，日交易次数或交易量可以作为信息流的替代指标。作为MDH理论的发展，TauchenandPitts（1983)建立了量价关系的二元混合模型（Bivariatemixturemodel）,说明如果二元混合模型形式正确，交易量序列则可以作为产生价格持续性波动的因素，成为信息过程的代理指标。Lamoureux和Lastrapes（1990）把交易量作为信息流的替代指标，加入到Garch模型的条件方差方程，结果发现交易量的系数非常显著，而过去对价格的冲击因素却不再显著，这证实交易量是由产生价格波动的相同因素驱动的，同时也证明把交易量作为信息流的替代指标221313132对价格波动确实具有很强的解释能力。他们提出的模型如下：yt=xt′β+εt(1)εt=σt⋅vt(2)σt2=α0+∑i=1pαiεt−i2+∑j=1qβjσt−j2+ψ(Vt)(3)其中σt2=var(εt|ϕt−1),ϕt−1是时刻t−1及t−1之前的全部信息，vt独立同分布，且参数满足条件：E(vt)=0,D(vt)=1,E(vtvs)=0(t≠s);α0>0,αi≥0,βj≥0,ψ≥0。TorbenG.Andersen(1996)对MDH模型进行改进，形成了修正的混合分布模型（MMM）。在修正的混合分布模型（MMM）中，Andersen首次结合市场微观结构理论，考虑到市场的流动性和信息非对称性，允许非信息交易的存在，并假定交易量序列服从泊松过程，由此提高了MDH的适应性和现实性。根据修正的混合分布理论，在噪声理性预期框架下，交易量Vt可以分解为两部分...