文档介绍：
基于藤 Copula 方法的持续期自相依结构以
及 DaR 估计#
叶五一,李磊,缪柏其*
5
10
(中国科学技术大学管理学院,合肥,230026)
摘要:本文基于 Copula 方法对由高频分笔数据得到的交易量持续期进行了研究。应用多元
藤 Copula 方法对连续几个交易量持续期之间的自相依结构进行估计,在此基础上提出了一
种新的条件密度函数估计方法,进而给出了交易量持续期的预测。对中国石化高频分笔数据
进行实证分析的结果表明,本文模型对持续期的预测能力要明显优于 EACD 模型,在密度
函数预测检验方面,本文模型也有更好的表现。文章最后给出了模型在估计持续期风险(DaR)
方面的一个应用。
关键词:Canonical 藤 Copula;自相依结构;ACD 模型;持续期风险;高频分笔数据
中图分类号:F831
15
Auto-dependence structure of Duration and DaR Estimating
Based on Vine Copula
YE Wuyi, LI Lei, MIAO Baiqi
(School of Management, Univesity of Science and Technology of China)
20
25
Abstract: In this paper, the trading volume duration sequence derived from high-frequency
tick-by-tick data is analyzed by Copula method. The auto-dependence structure of several
consecutive trading volume durations is estimated by multivariate vine Copula, then, a new
estimating method about conditional density function forecasting is also proposed. Moreover, a
new forecasting method of the volume duration is put forward. Empirical results of Sinopec show
that the predictive ability of our model is much better than that of EACD, which can also be
demonstrated from the density forecasting test. Finally, an application about our model is
presented to estimate Duration at Risk.
Key words: Canonical Vine Copula; Auto-dependence structure; ACD Model; Duration at Risk;
Tick-by-tick data
30
0 引言
持续期(duration)是指金融市场中相邻两个事件之间的时间间隔。交易量持续期、报价持续期
和价格持续期反应了市场最基本的交易信息和流动性特征,因此可以作为金融市场信息流动
的重要指标,对持续期的研究能够揭示和解释金融市场的某些规律和现象,Diamond and
35
40
hia(1987)[1]最早开展此类研究。随着获得(超)高频交易数据能力的提高,也有许多针
对(超)高频交易数据的研究。然而分笔交易的时间间隔是随机的,因此传统的时间序列分析
模型不适合描述持续期数据,需要探索新的分析方法。
Engle和Russel(1998)[2]提出自回归条件久期(Autoregressive Conditional Duration,ACD)模
型可以用于描述这些点过程产生的数据。ACD的原始模型设定持续期服从线性自回归过程,
而残差项分别服从标准指数(exponent)分布或者标准化的韦布尔(weibull)分布。为了更加准确
基金项目:国家自然科学基金青年科学基金项目(71001095);国家自然科学基金青年面上连续项目
(71371007);高等学校博士学科点专项科研基金(20103402120010)
作者简介:叶五一,男,1979 年 5 月生,中国科技大学统计与金融系,讲师,金融工程博士,研究方向:
风险管理和金融工程. E-mail: ******@ustc.
-1-