高頻金融數(shù)據(jù)的研究現(xiàn)狀及展望

1、高頻金融數(shù)據(jù)的研究現(xiàn)狀及展望摘要：高頻數(shù)據(jù)是現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)研究的重點(diǎn)與熱點(diǎn)，近年來，通過對高頻金融數(shù)據(jù)進(jìn)行建模分析已有許多新的研究成果出現(xiàn)。本文總結(jié)了現(xiàn)有對高頻金融數(shù)據(jù)的研究情況，并著重分析了日內(nèi)效應(yīng)的研究。在此基礎(chǔ)上，分析現(xiàn)有研究存在的問題，進(jìn)而展望未來的發(fā)展趨勢。關(guān)鍵詞：高頻數(shù)據(jù) ARCH模型 日內(nèi)效應(yīng) 超高頻數(shù)據(jù) 一、引言高頻數(shù)據(jù)是隨著計(jì)算儲存工具現(xiàn)代化產(chǎn)生的概念，與原有的低頻數(shù)據(jù)相對，高頻金融數(shù)據(jù)是在開盤時(shí)間和收盤時(shí)間之間進(jìn)行抽樣的交易數(shù)據(jù)，主要是以小時(shí)、分鐘、甚至秒為抽樣頻率的、按時(shí)間順序排列的時(shí)間序列，如股票價(jià)格、大盤指數(shù)、交易數(shù)量、交易時(shí)間間隔等。在金融市場上，信息連續(xù)的影響證券

2、市場價(jià)格運(yùn)動。數(shù)據(jù)的離散采集必然會造成在不同程度上的信息缺失。因此，數(shù)據(jù)的采集頻率越高，信息的丟失程度就越低。故在現(xiàn)代計(jì)量經(jīng)濟(jì)研究中，常采用高頻、超高頻數(shù)據(jù)，以更加真實(shí)的反映研究問題，使研究成果更有現(xiàn)實(shí)意義。此外，采用高頻金融數(shù)據(jù)的另一個(gè)出發(fā)點(diǎn)是有助于理解微觀金融市場的結(jié)構(gòu)體系。因?yàn)槟壳皩W(xué)界對于微觀金融市場的研究多停留在定性層面，采用高頻數(shù)據(jù)實(shí)證研究可以使研究結(jié)果更加的有說服性，同時(shí)構(gòu)建起對微觀市場運(yùn)作的研究框架。金融高頻數(shù)據(jù)的主要研究代表是Andersen，他在1997年就證明了ARCH模型對于波動性的良好預(yù)估。此后ARCH模型創(chuàng)始人、諾貝爾經(jīng)濟(jì)學(xué)獎2003年獲得者Engle的學(xué)生Bolle

3、rslev也和Andersen一起做了許多相關(guān)研究，如運(yùn)用GARCH模型估計(jì)標(biāo)準(zhǔn)化收益率的波動率等，成果顯著。二、研究現(xiàn)狀目前，對于高頻金融數(shù)據(jù)的研究還處于初級階段，但令人欣慰的是，學(xué)界已形成幾種研究思路，但在研究方法上大都采用對數(shù)據(jù)建模分析，模型的采用未推陳出新，均以1982年Engle提出的針對低頻數(shù)據(jù)的研究方法ARCH模型為基礎(chǔ)衍生而來，如弱廣義自回歸條件異方差模型（Weakly GARCH）。常見的研究思路如下：（一）對日歷效應(yīng)的研究日歷效應(yīng)是指股票價(jià)格、成交量、買賣價(jià)格差等及時(shí)交易數(shù)據(jù)存在著周期性的變化規(guī)律。日歷效應(yīng)的存在是對有效市場假說的一種違背，也揭示了市場非有效性的原因。而市場

4、有效假說是尤金法碼（Eugene. Fama） Eugene F. Fama (1970), Efficient Capital Markets: A Review of Theory and Empirical Work, Journal of FinanceJ, XXV(2),May,383-417于1970年提出的現(xiàn)代金融學(xué)所有模型的基本性假設(shè)。該假說認(rèn)為，證券價(jià)格總是可以即時(shí)充分地體現(xiàn)可獲得信息變化的影響。即在某種極端狀態(tài)下，不存在基于現(xiàn)在可獲信息獲取超額利潤的機(jī)會。日歷效應(yīng)包括月份效應(yīng)、星期效應(yīng)、周內(nèi)效應(yīng)以及日內(nèi)效應(yīng)等。之所以會產(chǎn)生日內(nèi)效應(yīng)，原因有很多。其一，在新興的行為金融學(xué)流派看

5、來，投資者的偏好與心理因素可能會導(dǎo)致投資行為的一定趨勢，進(jìn)而形成日內(nèi)效應(yīng)。其二，從強(qiáng)勢有效市場的角度看，新的宏觀層面的信息發(fā)布會導(dǎo)致股票市場價(jià)格的沖擊性變化，造成日內(nèi)效應(yīng)。其三，股市運(yùn)作的機(jī)制要求股市每天閉市 徐正國，張世英.高頻金融時(shí)間序列研究: 回顧與展望.西北農(nóng)林科技大學(xué)學(xué)報(bào)(社會科學(xué)版).第五卷第一期，2005年1月，閉市后所有的交易都中止。開市時(shí)的及時(shí)交易數(shù)據(jù)都我無法準(zhǔn)時(shí)獲取，亦無法判斷市場所需。待次一交易日開盤前，此間發(fā)生的突發(fā)信息的沖擊性和被市場消化的程度都無法準(zhǔn)確估計(jì)，造成部分業(yè)內(nèi)人士、監(jiān)管人員得以運(yùn)用內(nèi)幕信息獲取超額利潤，形成典型的日內(nèi)股價(jià)U型走勢，即日內(nèi)效應(yīng)。研究日內(nèi)效應(yīng)的

6、關(guān)鍵在于日內(nèi)的波動趨勢和長期記憶性。對于前者而言，Bollerslev也和Andersen Andersen, T. G. and T. Bollerslev. DM - Dollar volatility: Intraday Activity Patterns, Macroeconomicannouncements, and Longer run dependenciesJ . Journal of Finance, 1998 , 53: 219 265.曾在1996年對德國馬克和美元的匯兌市場進(jìn)行過研究。研究發(fā)現(xiàn)，日內(nèi)效應(yīng)、ARCH效應(yīng)等都會對外匯市場五分鐘收益率的波動持續(xù)性產(chǎn)生不同程度上

7、的影響。對于長期記憶性，高頻金融數(shù)據(jù)都是短期數(shù)據(jù)，短期一般不存在結(jié)構(gòu)性的變化，但長期即有可能產(chǎn)生長期記憶。通過對高頻數(shù)據(jù)進(jìn)行研究，在日內(nèi)效應(yīng)被消除的基礎(chǔ)上，就可以判斷長期結(jié)構(gòu)變化的來源是日內(nèi)效應(yīng)導(dǎo)致，還是因?yàn)槭袌鲇行暂^低一些市場信息的發(fā)布導(dǎo)致時(shí)間序列存在結(jié)構(gòu)上的變化。筆者也曾對我國上證指數(shù)收益率的日歷效應(yīng)進(jìn)行研究，采取新上證指數(shù)建立后的7年數(shù)據(jù)，對其日對數(shù)收益率建立GARCH模型，發(fā)現(xiàn)存在明顯的周五和周三效應(yīng)，這是時(shí)間序列本身的特征，而非我國股市的一些外部事件地方突發(fā)導(dǎo)致的結(jié)構(gòu)性變化。（二）對“已實(shí)現(xiàn)”波動率的研究波動率是衍生金融產(chǎn)品定價(jià)的關(guān)鍵，也是分析投資組合風(fēng)險(xiǎn)的重要指標(biāo)。以往對低頻數(shù)據(jù)

8、的研究已經(jīng)可以對波動率進(jìn)行較為準(zhǔn)確的預(yù)估。但高頻數(shù)據(jù)的出現(xiàn)標(biāo)志著研究領(lǐng)域的前進(jìn)，預(yù)告著更為精準(zhǔn)的預(yù)測方法即將出現(xiàn)。近年來，該領(lǐng)域的先鋒人物Bollerslev和Andersen便提出了“已實(shí)現(xiàn)”波動率這個(gè)概念，即把一段時(shí)期內(nèi)的收益率平方和作為波動率的估計(jì)值，在一定的條件下，這種“已實(shí)現(xiàn)”波動率是不存在測量誤差的無偏估計(jì)量。而且在操作上因?yàn)椴淮嬖谀Ｐ?，所以不需要進(jìn)行參數(shù)估計(jì)，簡便易行。如在2002年，Areal與Taylor Areal. N. M., S. J. Taylor. The realized volatility of FTSE- 100 futures prices. Journ

9、al of Futures arketsJ , 2002,22 (7) : 627 648.一同研究了英國富時(shí)100指數(shù)中的期貨價(jià)格“已實(shí)現(xiàn)”波動率。在應(yīng)用方面，在前文提過的日內(nèi)效應(yīng)長期記憶特征的基礎(chǔ)上，Bollerslev與Andersen兩人同Dield一起創(chuàng)立了VAR模型 Andersen T. G. , Tim Bollerslev Francis Diebold, and P. Labys. Modelling and Forecasting Realized Volatility J .Econometrica. 2003, 71 (2) : 579 625.，成為價(jià)值風(fēng)險(xiǎn)研究的主

10、要方法。三、當(dāng)下問題與未來研究趨勢高頻數(shù)據(jù)是等時(shí)間間隔交易的數(shù)據(jù)，但在實(shí)際市場操作時(shí)，往往都是非等時(shí)間間隔的。所以高頻數(shù)據(jù)還不足以反映時(shí)時(shí)交易信息，研究結(jié)果也就不夠精準(zhǔn)。因此，超高頻數(shù)據(jù)應(yīng)運(yùn)而生。超高頻時(shí)間序列記錄了每筆交易的全部數(shù)據(jù), 包括兩類信息: 一類是交易的到達(dá)時(shí)間; 另一類則包含成交價(jià)格、成交量以及買賣價(jià)差等。著名的ACD模型便是由Engle和Rusell提出的用于刻畫這個(gè)隨機(jī)交易過程的經(jīng)典模型 Engle R. F., Russell J. R. Forecasting Transaction Rates: the Auto regressive Conditional Duration ModelR . N EBR Working Paper 4966, 1994.，也是未來高頻數(shù)據(jù)進(jìn)一步發(fā)展的研究趨勢。另外，現(xiàn)在的高頻數(shù)據(jù)研究多以“已實(shí)現(xiàn)”波動率作為估計(jì)。但實(shí)際中不同的資產(chǎn)價(jià)格過程中導(dǎo)出的該值必然呈現(xiàn)不同的特征，無法絕對衡量評價(jià)，還有待細(xì)化標(biāo)準(zhǔn)。此外，對于高頻數(shù)據(jù)的研究國外已