带有时间相关背景速率的Hawkes过程模型及其在高频金融数据中的应用
摘要：具有时间变化的背景率的Hawkes过程模型用于分析高频金融数据。在我们的模型中，背景率的对数由具有相对较多的可变宽度基函数的线性模型建模，并通过贝叶斯方法估计参数。我们的模型不仅可以捕捉慢速时间变化，如一日季节性，还可以捕捉快速时间变化，比如宏观经济新闻公告。通过分析日经225迷你散点数据，我们发现：（i）相对于在量化金融领域中常用的具有恒定背景率或缓慢变化背景率的Hawkes模型，我们的模型比较适合数据；（ii）当存在背景率相当大波动的时候，我们的模型对数据的拟合效果显著改善；（iii）我们的模型与数据在统计上是一致的。我们的模型估计的分支比率，即市场内源性的水平，为0.41，表明外生因素在市场动态中的相对重要性。我们还证明了适当地模拟时间相关的背景率对于分支比率估计至关重要。
作者：Takahiro Omi, Yoshito Hirata and Kazuyuki Aihara
论文ID：1702.04443
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2017-07-24