论文部分内容阅读
随着股票市场电子交易的兴起和发展,高频交易数据的获取成为可能。由于高频数据对捕捉股市微观结构有着十分显著的作用,因此高频数据的分析尤为重要。本文根据高频数据的特点,利用贝叶斯方法,对高频数据的价格和持续期进行模型建立及分析。本文选取2016年3月21日至3月25日为期一周关于浦发银行的股票交易高频数据进行实证分析。第一、对价格变化建立贝叶斯顺序概率模型。对浦发银行3月24日的交易价格建立贝叶斯顺序概率模型,在MCMC抽样过程中利用Liu et al.(2000)提出的组变化方法,将某些参数做线性变换,从而可以大大提高样本的收敛速度。利用抽样样本对模型参数进行估计。然后利用已估计的顺序概率模型对价格进行向前一步的样本内预测,发现模型可以捕捉到68%的交易价格信息。第二、对持续期建立贝叶斯门限随机条件持续期模型(T-SCD)。考虑浦发银行3月21至3月25日为期一周的持续期数据,利用调整后的持续期建立条件持续期模型,并且通过信息准则选择新息分布为伽玛的条件持续期模型。经过非线性检验,发现伽玛持续期模型残差存在非线性性,随后对调整后的持续期建立两体制的T-SCD(1,2)模型。比较模型的似然函数值发现该模型优于其他模型,并可以用来解释大量交易和少量交易的交易动态性。第三、对价格变化和持续期建立二元模型(PCD)。考虑浦发银行3月24日的交易数据,对其建立贝叶斯PCD模型,利用MCMC算法估计得到的模型结果显示:价格变化量和持续期都存在显著地动态相依性;持续期越大,则价格变化期间的交易量越少,同时交易价格正向变化的概率越大。此外价格变动方向不同,则价格变化量所受到的影响因素也不同。价格负向变化时,价格变化量更多的是受到无价格变化信息的影响;而价格正向变化时,价格变化量更多的是受到非零价格变化信息的影响。交易信息越多,价格变化越平稳;反之,交易价格波动越大。本文的创新点在于对中国股票市场的高频数据建立顺序概率模型、随机波动率模型、PCD模型,并利用贝叶斯方法对模型参数进行估计,以此对中国股市的微观结构进行分析,同时将随机持续期模型进行了一定的推广。