论文部分内容阅读
伴随技术进步,高频金融应运而生。高频交易逐渐増加的同时,面临着低频模型失效、高频数据噪音、交易时效性等问题。高频交易风险的表示、分析和预测是解决上述问题的关键,也是研究的着眼点。本文是基于高频交易风险代理变量、相关预测模型的比较研究。本文采用沪深300、上证50、中证500指数期货合约的一分钟数据,高频流动性水平、绝对收益波动、相对收益波动为代理变量,利用多个自变量的组合给出了多个预测模型。分析过程引入VPIN作为外部信息,以降低微观结构噪音的影响;对于VPIN模型的准确估计还比较分析了当前最适用的高频交易驱动方向识别算法。本文基于分析结果,得到了高频交易风险预测模型,利用VPIN等指标来预测高频交易风险。首先,为了准确的度量VPIN模型,针对高频交易驱动方向识别算法的选择问题,本文给出了一种基于贝叶斯学习模型的理论分析,给出标记规则分类算法和总成交量分类算法的适用条件,进一步地运用实际指数期货合约市场高频交易数据,测试当前更适用于我国指数期货合约市场的交易驱动方向的识别算法是总成交量分类算法。从而为下一步的VPIN模型测度提供支持。其次,针对VPIN模型参数日均成交量篮子数问题,本文以日内VPIN值与日内跳跃变差相关性高低为标准,选取相关性最高的状态下的参数N=20。在明确了日均成交量篮子数问题的基础之上,用VPIN模型对沪深300、上证50、中证500指数期货合约的市场信息交易概率进行测度,并对结果进行了描述性统计分析、样本期价格走势对比分析和“指数期货合约事件”前后价格走势对比分析;研究表明VPIN方法在中国指数期货合约市场具有较好的适用性从而为下一步的高频交易风险预测提供支持。最后,针对高频交易风险问题,本文综合考虑流动性、波动性水平,选取三个高频交易风险指标并测度。在明确了高频交易风险的测度问题的基础之上,建立高频情景下流动性水平、波动性水平与上一期市场信息交易概率之间的模型并进行参数估计和检验,研究表明VPIN方法能在中国指数期货合约市场特定的情景中发挥良好的预警作用。本文立足于高频交易,针对高频交易风险预测问题展开了研究,理论创新与实际应用相结合,从数学建模与实证研究两个角度,促进了高频交易风险研究在深度和广度上的拓展。