高频金融数据的研究现状及展望 会计学专业VIP免费

高频金融数据的研究现状及展望摘要：高频数据是现代计量经济学研究的重点与热点，近年来，通过对高频金融数据进行建模分析已有许多新的研究成果出现。本文总结了现有对高频金融数据的研究情况，并着重分析了日内效应的研究。在此基础上，分析现有研究存在的问题，进而展望未来的发展趋势。关键词：高频数据ARCH模型日内效应超高频数据一、引言高频数据是随着计算储存工具现代化产生的概念，与原有的低频数据相对，高频金融数据是在开盘时间和收盘时间之间进行抽样的交易数据，主要是以小时、分钟、甚至秒为抽样频率的、按时间顺序排列的时间序列，如股票价格、大盘指数、交易数量、交易时间间隔等。在金融市场上，信息连续的影响证券市场价格运动。数据的离散采集必然会造成在不同程度上的信息缺失。因此，数据的采集频率越高，信息的丢失程度就越低。故在现代计量经济研究中，常采用高频、超高频数据，以更加真实的反映研究问题，使研究成果更有现实意义。此外，采用高频金融数据的另一个出发点是有助于理解微观金融市场的结构体系。因为目前学界对于微观金融市场的研究多停留在定性层面，采用高频数据实证研究可以使研究结果更加的有说服性，同时构建起对微观市场运作的研究框架。金融高频数据的主要研究代表是Andersen，他在1997年就证明了ARCH模型对于波动性的良好预估。此后ARCH模型创始人、诺贝尔经济学奖2003年获得者Engle的学生Bollerslev也和Andersen一起做了许多相关研究，如运用GARCH模型估计标准化收益率的波动率等，成果显著。二、研究现状目前，对于高频金融数据的研究还处于初级阶段，但令人欣慰的是，学界已形成几种研究思路，但在研究方法上大都采用对数据建模分析，模型的采用未推陈出新，均以1982年Engle提出的针对低频数据的研究方法ARCH模型为基础衍生而来，如弱广义自回归条件异方差模型（WeaklyGARCH）。常见的研究思路如下：（一）对日历效应的研究日历效应是指股票价格、成交量、买卖价格差等及时交易数据存在着周期性的变化规律。日历效应的存在是对有效市场假说的一种违背，也揭示了市场非有效性的原因。而市场有效假说是尤金·法码（Eugene.Fama）1于1970年提出的现代金融学所有模型的基本性假设。该假说认为，证券价格总是可以即时充分地体现可获得信息变化的影响。即在某种极端状态下，不存在基于现在可获信息获取超额利润的机会。日历效应包括月份效应、星期效应、周内效应以及日内效应等。之所以会产生日内效应，原因有很多。其一，在新兴的行为金融学流派看来，投资者的偏好与心理因素可能会导致投资行为的一定趋势，进而形成日内效应。其二，从强势有效市场的角度看，新的宏观层面的信息发布会导致股票市场价格的冲击性变化，造成日内效应。其三，股市运作的机制要求股市每天闭市2，闭市后所有的交易都中止。开市时的及时交易数据都我无法准时获取，亦无法判断市场所需。待次一交易日开盘前，此间发生的突发信息的冲击性和被市场消化的程度都无法准确估计，造成部分业内人士、监管人员得以运用内幕信息获取超额利润，形成典型的日内股价U型走势，即日内效应。研究日内效应的关键在于日内的波动趋势和长期记忆性。对于前者而言，Bollerslev也和Andersen3曾在1996年对德国马克和美元的汇兑市场进行过研究。研究发现，日内效应、ARCH效应等都会对外汇市场五分钟收益率的波动持续性产生不同程度上的影响。对于长期记忆性，高频金融数据都是短期数据，短期一般不存在结构性的变化，但长期即有可能产生长期记忆。通过对高频数据进行研究，在日内效应被消除的基础上，就可以判断长期结构变化的来源是日内效应导致，还是因为市场有效性较低一些市场信息的发布导致时间序列存在结构上的变化。笔者也曾对我国上证指数收益率的日历效应进行研究，采取新上证指数建立后的7年数据，对其日对数收益率建立GARCH模型，发现存在明显的周五和周三效应，这是时间序列本身的特征，而非我国股市的一些外部事件地方突发导致的结构性变化。（二）对“已实现”波动率的研究波动率是衍生金融产品定价的关键，也是分析投资组合风险的重要指标。以往对低频数据的研究已经可...