基于高頻數(shù)據(jù)的分類信息混合分布garch模型研究

1、11基于高頻數(shù)據(jù)的分類信息混合分布基于高頻數(shù)據(jù)的分類信息混合分布GARCH模型研究模型研究凌士勤凌士勤楊波袁開(kāi)洪袁開(kāi)洪凌云凌云1【摘要摘要】本文提出了基于高頻數(shù)據(jù)的分類信息混合分布GARCH模型，以上證指數(shù)的五分鐘高頻數(shù)據(jù)作為研究對(duì)象，引入修正的混合分布（MMM）模型，將去除了趨勢(shì)性和異常效應(yīng)（日期效應(yīng)和序列相關(guān)性的不同性質(zhì)的對(duì)數(shù)交易量分解為進(jìn)入市場(chǎng)的正的隨機(jī)信息流和負(fù)的隨機(jī)信息流兩部分，作為分類信息流代理，加入GARCH模型的方差方程

2、中，考察好消息、壞消息對(duì)上證指數(shù)波動(dòng)性的影響。關(guān)鍵詞關(guān)鍵詞MMM，高頻數(shù)據(jù)，分類信息，GARCH中圖分類號(hào)中圖分類號(hào)F224.9F224.9文獻(xiàn)標(biāo)識(shí)碼文獻(xiàn)標(biāo)識(shí)碼AAstudyofthehighfrequencydatabasedclassifiedinfmationmixturedistributionGARCHmodelLingshiqinyangboyuankaihonglingyun在此感謝我的導(dǎo)師華中科技大學(xué)經(jīng)濟(jì)學(xué)院副院長(zhǎng)唐齊鳴

3、教授和張學(xué)功博士給予的指導(dǎo)和建議。1作者簡(jiǎn)介：凌士勤(lingshiqin)（1975），男，漢族，湖北武漢人，華中科技大學(xué)經(jīng)濟(jì)學(xué)院博士生；主要從事金融市場(chǎng)方面的研究。聯(lián)系電話：13647218774、02787552320郵編：430074Email：mikey_ling@楊波（yangbo）（1969），男，漢族，湖北武漢人，華中科技大學(xué)經(jīng)濟(jì)學(xué)院博士生，主要從事國(guó)際經(jīng)濟(jì)方面的研究。聯(lián)系電話：02787552320郵編：430074E

4、mail：yangbo21cn@袁開(kāi)洪（yuankaihong）（1978），男，漢族，江蘇宜興人，華中科技大學(xué)經(jīng)濟(jì)學(xué)院博士生，主要從事微觀經(jīng)濟(jì)方面的研究。聯(lián)系電話：02787552320郵編：430074Email：peter_ykh@凌云（lingyun）（1973），女，漢族，湖北武漢人，深圳證券信息有限公司。聯(lián)系電話：0755－83276740，13838737345郵編：430074Email：tracyl@33TbenG.e

5、rsen(1996)對(duì)MDH模型進(jìn)行改進(jìn)，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，ersen首次結(jié)合市場(chǎng)微觀結(jié)構(gòu)理論，考慮到市場(chǎng)的流動(dòng)性和信息非對(duì)稱性，允許非信息交易的存在，并假定交易量序列服從泊松過(guò)程，由此提高了MDH的適應(yīng)性和現(xiàn)實(shí)性。根據(jù)修正的混合分布理論，在噪聲理性預(yù)期框架下，交易量可以分解為兩部分：非信息交易量（流動(dòng)性交易）和tV由于私有信息差異引起的信息交易量，，其中，為非信息交易量，??????

6、tNititVVV1?tV為信息交易量。當(dāng)把交易量作為信息流的代理指標(biāo)時(shí)，第日的條件方差為?tiVt：其中為由非信息交易量導(dǎo)致的回報(bào)波動(dòng)；)var()var(2titttttRnhnNR????2th為由私有信息交易量導(dǎo)致的回報(bào)波動(dòng)。)var(tiRCraigA.Depken(1999)假設(shè)正的價(jià)格變化即為正的信息流或者好信息的和，負(fù)的價(jià)格變化即為負(fù)的信息流或壞消息的和，一天內(nèi)價(jià)格的變化所帶來(lái)的成交量就可以用來(lái)表示正的信息流和負(fù)的信息流

7、。在此假設(shè)上，可以按每日的時(shí)間序列數(shù)據(jù)（交易量、開(kāi)盤價(jià)、收盤價(jià)、最高價(jià)）對(duì)作為信息代理的交易量分解成進(jìn)入市場(chǎng)的正的隨機(jī)信息流（好消息）和負(fù)的隨機(jī)信息流（壞消息）兩部分，從好消息和壞消息的角度研究對(duì)波動(dòng)的影響。他在模型中將好消息和壞消息帶來(lái)的成交量加入到GARCH模型的方差方程中：（4）)()(21121202?????????????ttqjjtjpiititVVa???????其中，好消息帶來(lái)的成交量記為：，壞消息帶來(lái)的成交量記為：。

8、?tV?tV但我們認(rèn)為，CraigA.Depken(1999)提出的模型有幾點(diǎn)假設(shè)是不合理的。其一，他在模型中假設(shè)：表示一天內(nèi)由于信息流進(jìn)入市場(chǎng)而導(dǎo)致的總的價(jià)格的t?變化，（）為一天內(nèi)進(jìn)入市場(chǎng)的正（負(fù)）信息流的數(shù)目，（）為第天由?1n?1n?ti??tj?t于第條好（壞）消息進(jìn)入市場(chǎng)而引起的價(jià)格變化的絕對(duì)值。并對(duì)每類信息流相聯(lián)系i的價(jià)格變化的絕對(duì)值標(biāo)準(zhǔn)化，即==，所以，并且將好消息帶?ti??tj?t?ttttnn??)(????來(lái)的成