高频数据研究现状及问题分析
高频数据下的交易成本分析
高频数据下的交易成本分析随着科技发展和金融市场的开放，交易成本已经成为了投资者考虑的重要因素之一。
而在现代金融领域，高频交易已经成为了常态，这也直接影响了交易成本的计算和分析。
本文将从高频数据的角度，探讨交易成本的定义、影响因素和计算方法，并提出一些交易策略来实现交易成本的降低。
一、交易成本的定义和影响因素交易成本是指在进行证券交易时必须支付的实质性费用，包括：佣金、印花税、过户费、手续费、结算费、交易税等各种费用。
在高频交易中，交易成本还包括交易的滑点损失（slippage）和实时报价的传输费用等。
除了交易本身的费用，交易成本还受到许多因素的影响，如市场流动性、市场深度、交易规模、市场风险和交易方式等。
其中，市场流动性和市场深度是最主要的两个因素之一。
市场流动性是指市场资金供求情况的宽松和紧张程度，即市场上能够快速买入或卖出一定量证券的能力。
而市场深度则反映了市场上挂单的数量和价格，越深的市场意味着机会更多，交易成本更低。
二、交易成本的计算方法交易成本的计算方法比较复杂，尤其是在高频交易环境下。
在实际交易中，通常会采用以下几种方法来计算交易成本：1. 佣金费用法：这是最常用的一种方法。
即用交易所规定的佣金来计算交易成本，也可以自行协商佣金费率。
但使用佣金费率来计算交易成本只考虑了佣金这一项，未考虑其他成本、滑点及实时报价的传输费用等。
2. 订单簿法：这种方法将订单簿中能够执行的最优成交价与实际成交价的差值计算为交易成本。
该方法的优点在于能够更准确地反映交易者在当前市场情况下的成交价格，但由于高频交易中订单簿更新速度快，需要消耗更多的计算资源。
3. 滑点法：该方法认为，由于市场流动性不断变化，交易者实际成交价肯定会偏离预期价格，而造成预期价与成交价之间的价差即称为滑点。
这种方法的优点在于更为直观，但滑点的计算也需要考虑到市场深度、流动性等因素。
三、交易成本的降低策略降低交易成本是投资者的首要目标之一，以下几种策略可以帮助投资者降低交易成本：1. 控制交易频率：过度交易会导致更高的交易成本和无谓的市场风险。
中国权证市场高频数据波动特征及其原因分析
理 是 导致 这种 异 常波 动 的重要 原 因 。因此 ，为 了减 少 投 资者 的投 资风 险 ， 需要对 投 资者进 行 引导
教 育 ，同时 ，完 善证 券 市场 的信息 披露 制度 ，加 强市 场监 管 。
的 巨幅波 动着 实让 投资 者惊 心 动魄 ，尤 其是 其 中的 认 沽 权证 ，往 往每 逢最 后几 个交 易 日必 然进 行疯 狂 因此 ，本 文试 图进 行 以上几 方 面 的工 作 ，以便 揭示 中国权 证 市场 价格 波 动 的特征 ，以及 导致这 种 异常
波 动 的投 资者方 面的 主观原 因 ，从 而 为投资 者 的投
［ 关键 词］ 权 证 市场 ；高 频数 据 ；波 动特 征 ；损 失厌 恶 ［ 中图 分类 号］ Ｆ ３ ． ［ 献标 识码 ］Ａ ［ 章编 号］ １ ０ － ５ ６ （０ ８ ６ ０ ４ — ０ ８ ０９ 文 文 ０ ０ ９ Ｘ ２ ０ ）０ — ０ ８ ６ 中 国权 证 市 场 作 为 中 国资 本 市 场 最 年 轻 的分 支 ，其 交易情 景 可谓波 澜 壮 阔 ，交 易期 间权 证 价格
经 济理 论 与经 济 管理 ２ ０ ０ ８年 第 ６期 小 ；排名 第 二 的南 航 认 沽 权 证 虽 然 波 动 幅 度 巨 大 ， 投机性 极 强 ，是分 析 中 国权 证市 场价 格 波动 和投 资 者行 为心 理 的典 型样 本 ，但 其 将 在 ２ ０ ０ ８年 ６月 ２ １ 日退 市 ，后 续 参 考 价 值 相 对 较 小 。第 二 ， “ 钢 马 Ｃ Ｂ ” 认购 权 证交 易 非 常活 跃 ，一 般换 手 率 都 在 Ｗ １ ＧＡＲ ＣＨ （ ，１ １ ）一Ｍ 模型 为 ：
2024年高频变压器市场发展现状
2024年高频变压器市场发展现状引言高频变压器作为一种关键的电器元件，广泛应用于各个领域，如电子通信、计算机、医疗设备等。
随着科技的不断进步和市场需求的增加，高频变压器市场正处于快速发展的阶段。
本文将介绍高频变压器市场的发展现状，并探讨相关趋势。
高频变压器市场概述高频变压器是一种能够将电能从一种电压转换到另一种电压的装置。
与传统的低频变压器相比，高频变压器具有更高的功率密度、更高的效率和更小的体积。
它们适用于高频电子设备，如电源适配器、无线通信设备和印刷电路板。
市场规模高频变压器市场在过去几年经历了持续增长。
据市场研究机构的数据，2019年全球高频变压器市场规模达到XX亿美元，并预计在未来几年内将以X％的复合年增长率增长。
亚太地区是目前全球高频变压器市场最大的市场，主要由于快速发展的电子制造业和通信行业。
市场驱动因素高频变压器市场的增长得益于以下几个主要因素：1. 科技进步高频变压器技术的不断改进促进了市场的发展。
新材料的应用、设计优化以及制造工艺的进步，提高了高频变压器的性能和可靠性。
2. 电子通信行业的发展随着全球电子通信行业的快速发展，高频变压器在无线通信、光网络和数据中心等领域中的需求不断增加。
高频变压器被广泛应用于信号传输、电源管理和滤波等关键应用。
3. 节能需求随着能源消耗和环境保护意识的提高，节能技术的需求日益增加。
高频变压器具有更高的效率和能量转换率，能够帮助实现能源节约和碳减排目标。
市场挑战高频变压器市场虽然发展迅速，但仍面临一些挑战：1. 价格竞争高频变压器市场存在激烈的价格竞争。
由于市场竞争加剧，供应商需求不断下降，价格压力持续增加。
2. 技术难题随着频率的不断增加，高频变压器面临着一些技术难题。
如电磁干扰、损耗、温度升高等问题，需要通过研发和创新来解决。
市场趋势高频变压器市场的发展将受到以下趋势的影响：1. 新兴应用领域高频变压器在新兴应用领域具有巨大潜力。
如电动汽车、太阳能和风能等新能源应用，以及物联网和5G通信等新兴技术应用。
金融高频
一、金融数据概念
1、低频数据 通常指以天、周、月、年作为计量单位的数据; 2、高频数据 近年来，随着计算工具和计算方法的发展，极大地降低了 数据记录和存储的成本，使得对更高频率的金融数据进行 研究成为可能。高频数据即日内数据，是指在开盘时间和 收盘时间之间进行抽样的交易数据，主要是以小时、分钟、 甚至秒为抽样频率的、按时间顺序排列的时间序列。 3、超高频数据 是对交易过程实时采集的数据，即按照每笔交易的发生逐 笔记录的数据。这里需要注意的是，超高频数据并不是抽 样数据，而是全样本数据;不是等间隔数据，而是不等间 隔且间隔随机的数据。 高频数据和超高频数据两者之间的最大区别是：前者是等 时间间隔的，后者的时间间隔是时变的。
金融高频数据分析中所使用的计 量模型
一类是关于交易间隔的模型 ,它们认为较长的时间
间隔意味着缺少交易活动,也代表着一个没有新信息 产生的时期 ,因此时间间隔行为的动态性中含有关 于日内市场活动的有用信息。另一类是关于交易间 隔对交易价格变化的影响的模型 ,被研究对象的离 散性和研究者对于无变化的关注 ,使得对日内价格 变化的建模变得困难了。
二、金融高频数据分析已涉及的主要领域
尽管人们对金融高频数据分析研究的历史并不长 ,但是目前的发展状况却 着实令人鼓舞。我们在此以金融高频数据研究的四个主要分支为：
第一个分支是关于金融高频数据库的研究
第二个分支是关于金融高频数据分析应用于对市场
微观结构分析的研究 第三个分支是关于金融高频数据分析中所使用的计 量模型的研究 第四个分支是关于金融高频数据统计特征的研究
四、金融高频数据分析中的问题
金融高频数据的特征虽然为认识市场微观结构提供了更为详细的信息， 但也给相关的实证研究带来了前所未有的问题。总的来看,金融高频数据 的分析中所遇到的问题大致可以归纳为如下三类：
甚高频数字交换系统发展现状及推进工作建议
为保障船舶交通安全，满足日益增长的海上通信需求、缓解船舶自动识别系统（AIS ）链路数据压力、全面提升海上通信网络性能，甚高频数字交换系统（VDES ）应运而生，VDES作为AIS的增强版和升级版，自2013年由国际航标协会（IALA）提出以来，便引起学术界、海事部门的广泛关注。
经过多年的发展，VDES进入全球海上遇险与安全系统（GMDSS）基本已成为定局，在这种趋势和背景下，分析探讨我国VDES系统建设实施思路显得十分重要，可有效指导我国VDES建设，也是对“交通强国”和“海洋强国”战略实施的重要支撑。
一、ＶＤＥＳ架构VDES系统建立地面与卫星两大系统，不仅能满足当前地面船—船、船—岸之间的数据交换，大大增强现有水上无线电信息通信能力，还将在技术和频谱资源方面，为未来进一步实现卫星与船舶之间的远程双向数据交换预留空间。
VDES地面系统由岸基部分和船载部分组成。
其中，Ｔｈｅ Ｃｕｒｒｅｎｔ Ｓｉｔｕａｔｉｏｎ ｏｆ ＶＨＦ Ｄｉｇｉｔａｌ Ｉｎｔｅｒｃｈａｎｇｅ Ｓｙｓｔｅｍ Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄ Ａｓｓｏｃｉａｔｅｄ Ｗｏｒｋ Ｃａｒｒｙｉｎｇ ｏｕｔ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎｓ甚高频数字交换系统发展现状及推进工作建议王福斋1，胡 青2，姚高乐3，易中立1王福斋，交通运输部规划研究院安全所副所长，高级工程师，国家注册咨询工程师、国家注册安全工程师、交通运输部青年科技英才，交通运输部北斗系统应用专家组专家、交通运输部高分系统应用专家组专家、交通运输部交通战备专家、交通运输部科技专家库专家、科技部天地一体化专项专家、中国航海学会通信导航分委会委员、中国水运建设行业协会科技创新分委会委员、交通运输部海事局航海保障分委会专家、澳门城市大学特聘顾问。
主要从事交通安全、交通应急、通信导航规划研究等工作和海事系统、救助打捞、长江航务以及部直属单位建设项目可行性研究、设计、后评价、项目管理、技术服务和系统集成等工作。
期权市场价格发现能力的决定因素研究——基于上证50ETF期权高频数据的实证分析
期权市场价格发现能力的决定因素研究——基于上证50ETF期权高频数据的实证分析期权市场价格发现能力的决定因素研究——基于上证50ETF期权高频数据的实证分析摘要：近年来，期权市场作为金融衍生品市场的重要组成部分，逐渐受到投资者的广泛关注。
相比于传统的股票和债券市场，期权市场具有更高的杠杆效应和更灵活的投资策略，因此在支持风险管理和投资组合调整方面具有独特的优势。
本文以上证50ETF期权为研究对象，基于高频数据开展实证分析，探究期权市场价格发现能力的决定因素。
第一章引言1.1 研究背景与意义1.2 文章结构安排第二章文献综述2.1 期权市场的定义和特点2.2 期权市场价格发现能力的研究现状2.3 相关研究方法和数据选择第三章数据与模型设定3.1 数据来源与处理3.2 模型设定和变量选择第四章结果与讨论4.1 基本统计分析4.2 单变量回归分析4.3 多变量回归分析第五章结论与启示5.1 研究结论总结5.2 研究启示与局限性5.3 后续研究方向第一章引言1.1 研究背景与意义期权市场是现代金融市场的重要组成部分，其作用在于提供一种具有选择性的风险管理工具，能够帮助投资者适应市场的风险偏好和获利目标。
期权市场通过交易买方和卖方之间的权利义务关系，为投资者创造了更多的投资策略和组合优化机会。
在期权市场上，买方持有权利，而卖方则有义务履行。
通过交易投机和对冲，期权市场提供了更多灵活的投资和风险管理方法。
1.2 文章结构安排本文将分为五个章节进行研究。
第一章介绍了研究的背景和意义，以及文章的结构安排。
第二章对现有的研究文献进行了综述，包括期权市场的定义和特点，以及期权市场价格发现能力的研究现状。
第三章介绍了本研究所用到的数据来源和处理方法，以及模型的设定和变量选择。
第四章将展示实证结果，并进行相关的讨论。
最后，第五章总结了本研究的主要结论，并提出了后续研究的方向和启示。
第二章文献综述2.1 期权市场的定义和特点期权市场是金融市场中的一种特殊交易市场，其特点在于投资者可以在未来某个时间点以特定价格买入或卖出某个标的资产。
高频数据的分析
第30卷第3期财经研究Vol. 30 No. 32m4年3月Journal Of Finance and Economics 、了· 2004．蠶獼罎与常宁l ,徐国祥2（1 ·上海财经大学统计学系，上海2m433； 2·上海财经大学应用统计研究中心，上海200433）摘要：近年来，在西方国家对金融高频数据的分析已成为实业界和学术界的热点问题和难点问题。
本文讨论了金融高频数据的概念和特征，分析了对高频数据分析的基本动因，阐述了金融高頻数据分析已涉及的主要领域，探讨了金融高频数据分析中遇到的问题。
最后，还对金融高频数据分析的发展趋势作出了展望并探讨了我国在这一領域应用研究的重占关饢词：金融市场；证券市场；金融高频数据分析；市场微观结构中图分类号：F830· 91文献标识码：A文章编号：1佣1一9952（2m4）03m031m9、金融高频数据及其特征分析1 ·什么是金融高频数据近年来，计算工具与计算方法的发展，极大地降低了数据记录和存储的成本，使得对大规模数据库的分析成为可能。
所以，许多科学领域的数据都开始以越来越精细的时间刻度来收集，这样的数据被称为高频数据（hig frequen一 cy data)。
金融市场中，逐笔交易数据（transaction-by-transaction data)或逐秒记录数据(tick-by-tick data）就是高频数据的例子，值得注意的是这里的时间通常是以“秒”来计量的，具体如NYSE(New York Stock Exchange)的交易与报价数据库(Trades and Quotes）所记录的从1992年至今的NYSE、NASDAQ和AMEX(American Exchange)的全部证券的日内交易和报价数据、rkeley期权数据库所提供的1976年8月至1996年12咒的期权交易数据、以及美国外汇交易HFDF93数据库中德国马克一美元的现汇交易报价数据等，都是金融高频数据。
股指期货中的高频数据分析
中国科学技术大学硕士学位论文股指期货中的高频数据分析姓名：刘念良申请学位级别：硕士专业：概率论与数理统计指导教师：@2011-04-01摘要随着金融改革的深化及市场竞争的加剧，传统的基本面加技术面的投资分析方法受到了来自新方法的挑战。
特别是在高频数据的分析与建模方面，传统的建模方法无法适应高频数据的高峰度、长相依等特征，在分析上存在困难。
另一方面，高频数据中包含的微观金融结构，又对理解市场运作方式和机理至关重要。
本文基于随机金融间期分析框架，使用密度预估的方法，比较了几种常见的金融间期模型，并使用沪深300股指期货的高频数据进行了实证分析。
分析结果表明，在合适的基础分布上，简单直接的ACD即LOG-ACD模型就能得到较好的拟合结果。
除此之外，在数据分析和模型验证的过程中，股指期货市场的微观金融结构也显现在我们面前。
事实证明，基于随机间期模型的高频数据框架对我国的股指期货市场的分析是有效的，而这一特殊的市场，和以往的单边的，相对低流动性的其它金融市场也存在着很大的不同。
关键词：高频数据 密度预估 ACD模型 股指期货ABSTRACTThe instant development and intense competition of financial market has changed the traditional investment method of fundamental and technical analysis. More and more often we face the challenges from new method and data. Especially in the field of high frequency data analysis, traditional modeling method can hardly fit the characteristic of high frequency data. On the other hand, micro financial structural in these data is believed to be the key to explain the mechanism of market operation. In this paper we state and compare several autoregression conditional duration process using the DGT density forecast evaluation method on the market data from HS300 stock index futures. The analysis reveals that the straight forward models such as ACD and log-ACD can fit the data quiet well with a proper innovation distribution. And from these models, we can analyse the market from a different way.Key Words:high frequency data analysis, DGT density evaluation, ACD model, stock index futures中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文,是本人在导师指导下进行研究工作所取得的成果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第30卷第3期财经研究Vol130No13 2004年3月Journal of Finance and Economics Mar12004 金融高频数据分析的现状与问题研究常 宁1,徐国祥2(11上海财经大学统计学系,上海200433;21上海财经大学应用统计研究中心,上海200433) 摘 要:近年来,在西方国家对金融高频数据的分析已成为实业界和学术界的热点问题和难点问题。
本文讨论了金融高频数据的概念和特征,分析了对高频数据分析的基本动因,阐述了金融高频数据分析已涉及的主要领域,探讨了金融高频数据分析中遇到的问题。
最后,还对金融高频数据分析的发展趋势作出了展望并探讨了我国在这一领域应用研究的重点。
关键词:金融市场;证券市场;金融高频数据分析;市场微观结构 中图分类号:F830191 文献标识码:A 文章编号:100129952(2004)03-0031-09一、金融高频数据及其特征分析 11什么是金融高频数据 近年来,计算工具与计算方法的发展,极大地降低了数据记录和存储的成本,使得对大规模数据库的分析成为可能。
所以,许多科学领域的数据都开始以越来越精细的时间刻度来收集,这样的数据被称为高频数据(highνfre2 quency data)。
金融市场中,逐笔交易数据(transactionνbyνtransaction da2 ta)或逐秒记录数据(tickνbyνtick data)就是高频数据的例子,值得注意的是这里的时间通常是以“秒”来计量的,具体如N YSE(New Y ork Stock Ex2 change)的交易与报价数据库(Trades and Quotes)所记录的从1992年至今的N YSE、NASDAQ和AM EX(American Exchange)的全部证券的日内交易和报价数据、Berkeley期权数据库所提供的1976年8月至1996年12月的期权交易数据、以及美国外汇交易HFDF93数据库中德国马克-美元的现汇交易报价数据等,都是金融高频数据。
21金融高频数据的主要特征收稿日期:2003212208作者简介:常 宁(1973-),女,陕西西安人,上海财经大学统计学系教师,经济学博士;徐国祥(1960-),男,上海人,上海财经大学应用统计研究中心主任,统计学系教授,博士生导师。
财经研究 2004年第3期 与传统的低频率观测数据(如周数据、月度数据等)相比,按照更短时间间隔所取得的金融高频数据呈现出了一些独有的特征,正是这些特征,诱发了人们对金融高频数据分析的日益浓厚的兴趣。
以N YSE的交易数据为例,金融高频数据主要有四个特征: 一是数据的记录间隔不相等,因为市场上某只股票的交易并不一定以相同的时间间隔发生,这样所观测到的交易价格等变量的时间间隔就不相等; 二是所记录的价格数据是离散变量,如在N YSE中,某项资产的价格变动只以计量单位tick size①的若干倍而发生,这样所记录的逐项交易价格就变成了一个离散取值的变量; 三是数据存在日内周期模式,在正常交易条件下,N YSE的交易量往往在每一天的开盘时间和收盘时间附近较大,而在午饭时间左右较小,形成了一个“U”型的模式,随之而来的,是交易与交易之间的时间间隔在一天内也呈现出了循环模式的特征; 四是多笔交易同时(甚至是以不同的价格)发生,这种现象部分归因于在每天交易量较大的时候,以秒来计量时间都成为一个太长的时间刻度了。
二、金融高频数据分析研究的现状 11金融高频数据分析的基本动因 从金融高频数据产生至今,对金融高频数据的分析一直是金融研究领域中一个倍受瞩目的焦点。
这可以归结为两个原因:一个是由于对金融高频数据本身所具有的特征值的关注。
通常所指的交易数据,除了交易价格外,还包括与交易相连的询价和报价、交易数量、交易之间的时间间隔、相似资产的现价等等,因此,对于金融高频数据的分析,实质上是一个关于“以不同时间间隔观察到的、具有不规则强度、既有离散变量又有连续变量的”复杂多变量问题。
这样如何从总体上来分析金融高频数据、又如何处理具体金融交易中高频数据的特殊性,便成为众多金融领域的从业者和研究者所面临的一个有趣而又富有挑战性的课题。
另一个是因为金融高频数据对理解市场的微观结构来说相当重要。
对金融高频数据的逐步积累和了解,不仅转变了一些陈旧的研究理念,如以前认为短期的价格波动是不相关的噪音并且不值得去搜集,但现在我们知道高频数据中的这种波动恰恰包含着理解市场微观结构的重要信息;而且随着对金融高频数据统计特征认识的深化,也使先前一些关于如金融市场同类性(homo2 geneous)、短期价格波动服从高斯随机游程(gaussian random walk)的古典经济假定受到了质疑。
不难看出,在探寻金融市场微观结构的过程中,需要对基础经济理论、研究方法和计量模型等进行不断地创新和完善,而金融高频数据及其分析的出现则正好为这些转变的实践提供了条件。
常 宁、徐国祥:金融高频数据分析的现状与问题研究 21金融高频数据分析已涉及的主要领域 尽管人们对金融高频数据分析研究的历史并不长,但是目前的发展状况却着实令人鼓舞。
众多学科的研究者对此都表现出了极大的兴趣,分别从各自不同的角度对金融高频数据进行了探索和研究。
已有研究所涉及的内容之广令人无法一一穷尽,所以我们在此以金融高频数据研究的四个主要分支为脉络,有所侧重地阐述一些具有代表性的研究内容。
第一个分支是关于金融高频数据库的研究。
其中Robert Wood是创建研究市场微观机构(金融高频)数据库的先驱。
在他的文章(2000)中,Wood不仅从对金融市场微观结构研究的初衷、对结构数据的基础检验、TAQ数据库的组织形式和特征等角度对金融高频数据库的发展历程做了介绍,而且还讨论了金融高频数据量(如NASDAQ报价数据等)的快速增长趋势以及这种数据量的增长趋势在市场结构研究中的应用问题。
这些内容对于了解金融高频数据库的组织结构、形式和数据特征来说都是非常必要的。
第二个分支是关于金融高频数据分析应用于对市场微观结构分析的研究。
在这个领域中,最初的文献是关于日内(intraνday)收益与波动性时间序列的模式的研究,如Wood(1985)、Harris(1986)、Lockwood,Linn(1990)和McNish(1993)等是最早一批对N YSE高频交易数据进行研究的人,而G ood2 hart、Figliouli(1991)和Guillaume(1994)等人则是最早对外汇市场的高频交易数据进行研究的先驱。
此后,便陆续不断地有许多文章对日内金融市场数据的行为特征作了更深入的研究。
从G oodhart和O’Hara(1997)所做的有关研究文献纵览中可以看出,基于金融高频数据对市场微观结构所作的实证研究主要集中于以下几个方面: (1)对金融市场交易数据观测时间间隔特征的研究; (2)对交易数据如波动性、交易量与价格差额之间交互作用的研究; (3)对价格差额的决定因素的研究; (4)对金融高频数据的波动性及其记忆的研究; (5)对促使价格变动的交易的研究; (6)对收益、报价等交易数据中的自相关性以及收益、报价、交易与交易之间的横向相关关系的研究; (7)对金融高频数据的季节性与非线性特征的研究; (8)对金融市场的技术分析和市场效率的研究; (9)对不同金融市场(如证券市场与衍生证券市场)之间联系的研究等等。
最近几年,关于对市场微观结构的实证研究在深度和广度方面又有了新的进展,其中尤其以对股票市场高频数据的分析最具代表性。
主要有用高频交易数据对不同交易系统(如N YSE的公开喊价系统与NASDAQ的计算机交易系统)在价格发现中的效率进行比较;用高频交易数据对某一个特殊股票财经研究 2004年第3期的报价与询价的动态性进行研究(如Hasbrouk,1999;Zhang,Russell和Tsay, 2001);在一个订单驱动的股票市场(如台湾股票市场)中,高频交易数据被用于研究订单的动态性以及回答“是谁提供了市场的流动性”问题。
此外还有Hol和K oopman(2002)用S&P500的高频数据对股票指数的波动性进行了预测研究;Bollerslev、Zhang(2003)将股票市场的高频交易数据应用于对因素定价模型(factor pricing models)中系统风险因素的计量和建模等一系列的相关研究。
第三个分支是关于金融高频数据分析中所使用的计量模型的研究。
随着金融高频数据的不断增加,如何使用模型来恰当地描述这些数据就成为一个重要的问题。
从计量经济学角度来看,金融高频数据的一个最显著特征是观测值以变动的、随机的时间间隔取得。
该特征隐含着对我们所熟悉的、固定的、等值的时间间隔数据的偏离,也意味着原有的一些深受喜爱的模型,如关于波动性研究的G ARCH(G eneralized Autoregressive Conditional Heterosce Dasticity)模型、SV(Stochastic Volatility)模型等将不再适用。
与以往大多数的理论模型不同②,近来计量模型研究的核心内容是交易间隔(intratrade du2 ration)与交易特征值,如收益、询报价差额、交易量等之间的Granger因果关系。
这些模型可以分为两大类:一类是关于交易间隔的模型,它们认为较长的时间间隔意味着缺少交易活动,也代表着一个没有新信息产生的时期,因此时间间隔行为的动态性中含有关于日内市场活动的有用信息。
基于这种观念, Russell和Engle(1998)使用了与分析波动性的ARCH模型相似的概念,提出了一个ACD(Autoregressive Conditional Duration)模型来描述(交易活跃的)股票交易间隔的发展过程。
随后,Zhang、Russell和Tsay(2001)对ACD模型作了扩展,用于分析金融高频数据中的非线性和结构性间隙问题。
另一类是关于交易间隔对交易价格变化的影响的模型,被研究对象的离散性和研究者对于“无变化”的关注,使得对日内价格变化的建模变得困难了。
Campbell、Lo和Mac K inlay(1997)曾对相关文献中所提及的若干计量模型进行了讨论,其中有两个在选择解释变量方面具有优势的模型值得关注。
一个是Hauseman、Lo和Mac K inlay(1992)使用的规则概率模型(ordered probit model),它将交易的间隔作为一个影响逐秒价格变动概率的回归量,但是这个模型有其他的一些缺陷;第二个是Rydberg、Shephard(1998)和Mac K inlay、Tsay(2000)的分解模型(decomposition model),作为一种替代方法,它将价格的变动分解为价格变动指数、价格运动方向和价格变动幅度(如果有价格变化)三个部分进行研究;这两个模型的主要区别是后者不需要对价格变化幅度作任何划分。