计算实验成功预测超高频股票收益率中自相关性的出现
交易与市场微观结构
2018-02-27 v2 物理与社会
统计金融
摘要
社会和经济系统是复杂适应系统，其中异质主体以自组织方式相互作用和演化，宏观规律从微观属性中涌现。为了理解复杂系统的行为，基于物理和数学模型的计算实验提供了有用的工具。在此，我们使用一种称为修正 Mike-Farmer (MMF) 的现象学订单驱动模型进行计算实验，以预测订单流对超高频收益率自相关性的影响，该自相关性由 Hurst 指数 量化。研究了嵌入 MMF 模型中的三个可能决定因素，包括订单方向的 Hurst 指数 、挂单相对价格的 Hurst 指数 和幂律尾指数 。计算实验预测 与 和 负相关，与 正相关。此外， 和 的值对 的影响可忽略不计，而 对 表现出主导影响。MMF 模型关于 依赖于 和 的预测得到了从 43 只中国股票订单流数据获得的实证结果的验证。
引用
@article{arxiv.1404.1051,
title = {Computational experiments successfully predict the emergence of autocorrelations in ultra-high-frequency stock returns},
author = {Jian Zhou and Gao-Feng Gu and Zhi-Qiang Jiang and Xiong Xiong and Wei Chen and Wei Zhang and Wei-Xing Zhou},
journal= {arXiv preprint arXiv:1404.1051},
year = {2018}
}