최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기응용통계연구 = The Korean journal of applied statistics, v.29 no.1, 2016년, pp.221 - 230
정선아 (숙명여자대학교 통계학과) , 황선영 (숙명여자대학교 통계학과)
This paper investigates volatilities of stock returns based on high frequency data from stock market. Incorporating the price duration as one of the factors in volatility, we employ the autoregressive conditional duration (ACD) model for the price duration in addition to the GARCH model to analyze s...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
ACD 모형이란? | 고빈도 자료는 불규칙하게 발생하는 거래정보를 담고 있는데 Engle과 Russell (1997, 1998)은 고빈도 자료 분석기법으로 ACD(autoregressive conditional duration) 모형을 소개하였다. ACD 모형은 거래들 사이의 시간간격인 듀레이션에 대해 GARCH 모형과 비슷한 수리 구조를 통해 변동성을 설명하는 모형이다. 듀레이션 정보만으로 구성된 기본적인 ACD 모형은 가격 정보를 포함하고 있지 않는데, Engle (2000)은 듀레이션과 가격 수익률을 연결하여 ACD-GARCH 모형을 연구한 바 있다. | |
거래자료의 두가지 확률변수는? | 거래자료는 두 개의 확률변수로 구성된다. 하나는 거래시간이고 다른 하나는 그에 수반되는 거래량, 거래가격과 같은 마크(mark)들이다. 기호 ti는 i번째 거래가 일어나는 시간이고, 거래들 사이의 시간 간격 xi = ti − ti−1을 듀레이션(duration)이라고 한다. | |
기대듀레이션을 ACD 모형으로 분석하고 모수 추정을 위한 방법은? | Engle (2000)의 ACD-GARCH 모형은 UHF-GARCH 모형으로 언급되기도 하지만 (여기서 UHF는 초고빈도 ultra high frequency의 약자이다) 본 논문에서는 ACD-GARCH 모형으로 부르기로 한다. 먼저, 기대듀레이션을 ACD 모형으로 분석하고 모수 추정을 위해 최우추정(ML)과 추정방정식(estimating function; EF) 방법을 적용하였다. ACD 추정식을 수익률과 변동성 분석으로 연결하는 이중-분계점(double-threshold) ACD-GARCH 모형을 사용하여 듀레이션의 영향과 정보의 비대칭성(asymmetry)에 대한 연구를 진행하였다. |
Allen, D., Ng, K. H. and Peiris, S. (2012). Estimating and simulatingWeibull models of risk or price durations: an application to ACD models, North American Journal of Economics and Finance, 25, 214-224.
Allen, D., Ng, K. H. and Peiris, S. (2013). The efficient modelling of high frequency transaction data: a new application of estimating functions in financial economics, Economics Letters, 120, 117-122.
Bauwens, L. and Giot, P. (2003). Asymmetric ACD models: Introducing price information in ACD models, Empirical Economics, 28, 709-731.
Bauwens, L. and Hautsch, N. (2009). Modelling Financial High Frequency Data Using Point Processes, Handbook of Financial Time Series, Springer.
Engle, R. F. (2000). The econometrics of ultra-high-frequency data, Econometrica, 68, 1-22.
Engle, R. F. and Russell, J. R. (1997). Forecasting the frequency of changes in quoted foreign exchange prices with the autoregressive conditional duration model, Journal of Empirical Finance, 4, 187-212.
Engle, R. F. and Russell, J. R. (1998). Autoregressive conditional duration: a new model for irregularly spaced transaction data, Econometrica, 66, 1127-1162.
Godambe, V. P. (1985). The foundation of finite sample estimation in stochastic processes, Biometrika, 72, 419-428.
Jo, S. P. (2010). A study on determinants of volatility in intra-day stock return: an application of UHFGARCH-Leverage model, M.A thesis, Hanyang University.
Park, S. N. and Kim, Y. J. (2014). Bayesian forecasting with nonlinear autoregressive conditional duration models, Journal of Industrial Economics and Business, 27, 1-33.
Tsay, R. S. (2010). Analysis of Financial Time Series, Third Ed. Wiley, New York.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.