基于超高维频率数据的奥恩斯坦-乌伦贝克过程估计及其在日内配对交易策略中的应用
统计金融
2025-10-21 v4
摘要
当股票价格以高频率观测时，可利用更多信息来估计价格过程的参数。然而，高频数据受市场微观结构噪声污染，若不加考虑会导致参数估计的显著偏差。我们提出一种基于最大似然的奥恩斯坦-乌伦贝克过程估计量，该估计量对噪声具有鲁棒性并能利用非等间隔数据。我们还证明，被独立高斯白噪声污染并在离散等距时刻观测的奥恩斯坦-乌伦贝克过程服从 ARMA(1,1) 过程。为说明所提噪声鲁棒方法的益处，我们引入一种基于均值-方差优化的新型日内配对交易策略。在对 7 家大型石油公司的实证研究中，我们表明使用所提奥恩斯坦-乌伦贝克过程估计量可提升配对交易策略的盈利性。
引用
@article{arxiv.1811.09312,
title = {Estimation of Ornstein-Uhlenbeck Process Using Ultra-High-Frequency Data with Application to Intraday Pairs Trading Strategy},
author = {Vladimír Holý and Petra Tomanová},
journal= {arXiv preprint arXiv:1811.09312},
year = {2025}
}