高频数据的整体性质与日内交易规则
交易与市场微观结构
2013-07-16 v2 统计力学
摘要
将 S&P 指数的高频收益率日内序列视为给定随机过程的每日实现，我们首先证明聚合收益率分布的缩放性质可用于定义一个鞅随机模型，该模型能一致地复现每个交易日上午 S&P 500 高频数据的条件期望。随后，对上述缩放性质进行更一般的表述，使得该模型可扩展至下午交易时段。最后，我们概述了一项应用，其中利用条件预测实施了一种趋势跟踪交易策略，该策略能够利用 S&P 数据集中存在而模型中不存在的线性相关性。交易信号基于模型生成，而非源自图表分析标准。样本内和样本外测试表明，基于模型的交易策略优于建立在非对称 GARCH 过程上的基准策略，并显示了小额套利机会的存在。我们指出，若不存在线性相关性，交易利润将消失，并讨论了为何该交易策略对于对冲基于 S&P 指数的产品的波动率风险具有潜在意义。
引用
@article{arxiv.1202.2447,
title = {Ensemble properties of high frequency data and intraday trading rules},
author = {Fulvio Baldovin and Francesco Camana and Massimiliano Caporin and Michele Caraglio and Attilio L. Stella},
journal= {arXiv preprint arXiv:1202.2447},
year = {2013}
}
备注
21 pages, 10 figures. Throughout revision and correction of the first version. Extension of the trading strategy to the whole day