高频金融时间序列中的非平稳性建模
摘要：对意大利证券交易所（Borsa Italiana）的FTSE MIB指数的逐笔金融回报进行了研究。我们证实了之前检测到的非平稳性。然而，先前文献中的其他高频金融数据的尺度特性仅大致有效。基于一种非齐次正态复合泊松过程，通过实证分析，我们提出了一种描述非平稳回报的简单方法。我们将这个模型与实证结果进行了测试，发现该模型可以近似重现高频金融时间序列的几个惯性事实。此外，我们使用Monte Carlo模拟分析了使用三个信息准则（Akaike信息准则（AIC）、贝叶斯信息准则（BIC）和Hannan-Quinn信息准则（HQ））对该模型类别进行的序号选择。为了比较，我们还对ACD（自回归条件持续时间）模型进行了类似的Monte Carlo实验。我们的结果表明，信息准则对于复合泊松类型模型的小参数数量工作得最好，而对于ACD模型，在某些情况下，模型选择过程效果不佳。
作者：Linda Ponta, Mailan Trinh, Marco Raberto, Enrico Scalas, Silvano Cincotti
论文ID：1212.0479
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2017-02-28