隨著計算機技術的發(fā)展和金融市場的完善,越來越多的學者和投資者投身到高頻數據的研究當中,而金融資產的價格變化規(guī)律一直是他們關注的焦點.本質上,快照數據的價格變化是由于分筆交易的累次影響造成的.基于此,本文創(chuàng)新性地引入了復合泊松過程去刻畫高頻快照數據與分筆交易數據之間的關系,試圖從更微觀的角度去刻畫股票價格的發(fā)現(xiàn)過程.本文首先簡單介紹了高頻數據的一些研究現(xiàn)狀和隨機過程中的一些理論知識,并在此基礎上提出將隨機過程當中的復合泊松過程引入到高頻數據的研究當中.基于復合泊松過程建立的模型,提出了相應模型的檢驗方法并給出了理論證明.最后將該模型用于標準普爾500ETF的實證分析當中,結果表明該模型能夠較好的反映快照數據與分筆交易數據之間的關系. 

【文章來源】：華東師范大學上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：43 頁

【學位級別】：碩士

【部分圖文】：

圖４－２?Ｚ?（每筆交易造成價格的變動量）放大的概率分布圖??從上圖我們可以明顯的看出Ｚ的分布比較離散，而且也沒有像一般的金融資產那樣??

因此我們可以利用定理３．４．１，對上述一分鐘、五分鐘、十分鐘和三十分鐘時間間隔??的四個Ｘ的估計值進行檢驗，即只需對其增量的估計進行標準正態(tài)分布的轉換，然后進??行相應的卡方檢驗（取／ｅ?＝?２０００），有??表４－３各個時間間隔對應的卡方檢驗的Ｘ２值??一分鐘?五分鐘?十分鐘?三十分鐘?ｘｇ．ｇｅ??１８００．６?１８１４．４?１８１５．４?１８８４．３?１８９７．１??從上表中我們可以很明顯的看到，當我們�。粒�?＝?２０００時，得到的相對應的四個快??照區(qū)間（我們認為對于區(qū)間的Ａ己經足夠大了）的卡方值都小于．２０００＝?１８９７．１，??


本文編號：2905883