亲爱的MBA智库百科用户:


过去的17年,百科频道一直以免费公益的形式为大家提供知识服务,这是我们团队的荣幸和骄傲。 然而,在目前越来越严峻的经营挑战下,单纯依靠不断增加广告位来维持网站运营支出,必然会越来越影响您的使用体验,这也与我们的初衷背道而驰。 因此,经过审慎地考虑,我们决定推出VIP会员收费制度,以便为您提供更好的服务和更优质的内容。


MBA智库百科VIP会员,您的权益将包括: 1、无广告阅读; 2、免验证复制。


当然,更重要的是长期以来您对百科频道的支持。诚邀您加入MBA智库百科VIP会员,共渡难关,共同见证彼此的成长和进步!



MBA智库百科项目组
2023年8月10日
百科VIP
未登录
无广告阅读
免验证复制
1年VIP
¥ 9.9
支付方式:
微信支付
支付宝
PayPal
购买数量:
1
应付金额:
9.9
汇率换算:
1.32
美元(USD)
  • 美元(USD)
  • 加元(CAD)
  • 日元(JPY)
  • 英镑(GBP)
  • 欧元(EUR)
  • 澳元(AUD)
  • 新台币(TWD)
  • 港元(HKD)
  • 新加坡(SGD)
  • 菲律宾(PHP)
  • 泰铢(THB)

按当月汇率换算,

包含手续费

打开手机微信 扫一扫继续付款
立即开通
PayPal支付后,可能会遇到VIP权益未及时开通的情况,请您耐心等待,或者联系百科微信客服:mbalib888。
温馨提示:当无法进去支付页面时,可刷新后重试或更换浏览器
开通百科会员即视为同意《MBA智库·百科会员服务规则》

支付成功

全球专业中文经管百科,由121,994位网友共同编写而成,共计436,064个条目

高频数据

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

高频数据(High frequency data)

目录

[隐藏]

什么是高频数据[1]

  高频数据是指数据采样的时间问隔较短,采样频率大于一般研究时所采用的频率。但高频这个概念是相对而言的,例如,对于股票,可能要在一天内有多个数据才能称为高频数据,而对于宏观经济数据,可能一周采样一次就可以称为高频数据了。

高频数据的特点[2]

  相对于低频数据而言,高频数据并不等同于低频数据的时间细分,由于受市场信息不确定性和连续性的影响,高频数据主要呈现下列特点:

  1.不规则交易间隔

  与传统的低频观测数据(如年数据、月数据、周数据)相比,金融高频数据呈现出一些独有的特征。最为明显的特征便是数据记录间隔的不相等,市场交易的发生并不以相等时间间隔发生,因此所观测到的金融高频数据也是不等间隔的。从而交易间的时间持续期变得非常重要,并且可能包含了关于市场微观结构(如交易强度)的有用信息。

  2.离散取值

  金融数据的一个非常重要的特征是价格变化是离散的,而金融高频的价格取值变化受交易规则的影响,离散取值更加集中于离散构件附近。价格的变化在不同的证券交易所设置不同的离散构件,称之为变化档位,我国证券交易所规定股价变化的最小档位为0.01元;在纽约证券交易所(NYSE)中,最小档位在1997年6月24日以前是1/8美元,2001年1月29日以前是1/16美元。

  3.日内模式

  金融高频数据还存在明显的日内模式,如波动率的日内“u”型走势。每天早上开盘和下午收盘时交易最为活跃,而中午休息时间交易较平淡,随之而来的交易间的时间间隔也呈现出日内循环模式的特征。Mclnish和Wood(1992)对价格波动率的日内模式进行了探索,发现波动率在早上开盘和下午收盘时往往较大,交易量以及买卖价差也呈现出同样的变化模式。Engle和Russell(1998)对交易持续时间(duration)的日内模式进行了研究,也得出了类似的结论,从图形上来看变化模式类似于倒“U”型。

  4.自相关性

  高频数据与低频数据一个非常大的区别在于高频时间序列具有非常强的自相关性。高频数据的离散取值以及买卖价差等因素是导致强自相关性的原因,还有一些因素,如一些大额交易者往往将头寸分散交易以实现最优的交易价格,这可能导致价格同方向变动从而引起序列的强自相关性。此外,还有许多其他因素导致高频数据的强自相关性。

  金融高频数据的特征远不止这些,数据还包含众多的信息维度,如交易的时间间隔、交易量、买卖价差等。这些不同的信息维度对于理解市场微观结构具有相当重要的作用,正是由于金融高频数据的独特特征,传统的计量分析模型在实际应用中遇到了许多问题。

高频数据模型[1]

  一类是处理固定时间间隔数据的自回归条件异方差类(ARCH)模型,它主要用于描述日内的波动率过程,这一类模型的理论与实证研究在国内外已经相当普及。

  另一类是Engle和Russell(1998)针对超高频数据的不等间隔问题所提出的条件自回归持续期ACD(Autoregressive Conditional Duration)模型。

参考文献

  1. 1.0 1.1 陈超著.证券市场微观主体行为研究.浙江大学出版社,2010.06.
  2. 王黎明,王连,杨楠编著.应用时间序列分析.复旦大学出版社,2009.09.
本条目对我有帮助12
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目投诉举报

本条目由以下用户参与贡献

方小莉,连晓雾,Lin.

评论(共0条)

提示:评论内容为网友针对条目"高频数据"展开的讨论,与本站观点立场无关。

发表评论请文明上网,理性发言并遵守有关规定。

打开APP

以上内容根据网友推荐自动排序生成

官方社群
下载APP
告MBA智库百科用户的一封信
亲爱的MBA智库百科用户: 过去的17年,百科频道一直以免费公益的形式为大家提供知识服务,这是我们团队的荣幸和骄傲。 然而,在目前越来越严峻的经营挑战下,单纯依靠不断增加广告位来维持网站运营支出,必然会越来越影响您的使用体验,这也与我们的初衷背道而驰。 因此,经过审慎地考虑,我们决定推出VIP会员收费制度,以便为您提供更好的服务和更优质的内容。 MBA智库百科VIP会员(9.9元 / 年,点击开通),您的权益将包括: 1、无广告阅读; 2、免验证复制。 当然,更重要的是长期以来您对百科频道的支持。诚邀您加入MBA智库百科VIP会员,共渡难关,共同见证彼此的成长和进步!
MBA智库百科项目组
2023年8月10日

闽公网安备 35020302032707号

添加收藏

    新建收藏夹

    编辑收藏夹

    20