高频金融时间序列中的非平稳性建模
统计金融
2017-02-28 v4
摘要
我们研究了属于意大利证券交易所 (Borsa Italiana) FTSE MIB 指数的逐笔金融收益率。我们证实了此前检测到的非平稳性。然而，先前文献中针对其他高频金融数据报告的标度性质仅近似成立。基于实证分析，我们提出了一种描述非平稳收益率的简单方法，该方法基于非齐次正态复合泊松过程。我们将此模型与实证结果进行对比，发现该模型能近似复现高频金融时间序列的若干典型事实。此外，利用蒙特卡洛模拟，我们使用三种信息准则分析了该类模型的阶数选择：赤池信息量准则 (AIC)、贝叶斯信息量准则 (BIC) 和 Hannan-Quinn 信息量准则 (HQ)。作为对比，我们还对自回归条件持续时间 (ACD) 模型进行了类似的蒙特卡洛实验。结果表明，对于复合泊松型模型，信息准则在参数数量较少时效果最佳；而对于 ACD 模型，模型选择程序在某些情况下表现不佳。
引用
@article{arxiv.1212.0479,
title = {Modeling non-stationarities in high-frequency financial time series},
author = {Linda Ponta and Mailan Trinh and Marco Raberto and Enrico Scalas and Silvano Cincotti},
journal= {arXiv preprint arXiv:1212.0479},
year = {2017}
}
备注
This version contains an additional analysis on model selection based on information criteria. Version submitted to PLOS ONE