Autoregressive Conditional Duration: A New Model for Irregularly Spaced Transaction Data
自回归条件持续期：不等间隔交易数据的新模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究金融交易和价格变化的事件到达时间，并明确估计价格波动模型。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
自回归条件持续期：不等间隔交易数据的新模型
- 研究问题
- 对于金融交易或价格变动等不等间隔发生的事件，如何刻画事件间等待时间及到达率依赖，并分析其与价格波动的关系？
- 方法与思路
- 作者把事件间持续期建模为随机过程，提出到达率具有依赖关系的点过程，推导条件强度，并与其他自激过程进行比较。
- 材料陈述的贡献
- 摘要称，新模型可用于金融交易和价格变化的到达时间；作者还估计价格波动模型，并从市场微观结构角度考察结果。
- 阅读关注点
- 重点核对持续期模型的具体形式、条件强度与点过程的对应关系，以及交易到达模型和价格波动模型如何衔接、如何评估拟合。
- 阅读边界
- 摘要未说明持续期分布、估计条件、样本市场或具体实证结果；仅凭摘要不能判断相较其他自激过程的拟合或预测优势。
原文摘要
This paper proposes a new statistical model for the analysis of data which arrives at irregular intervals. The model treats the time between events as a stochastic process and proposes a new class of point processes with dependent arrival rates. The conditional intensity is developed and compared with other self-exciting processes. The model is applied to the arrival times of financial transactions and therefore is a model of transaction volume, and also to the arrival of other events such as price changes. Models for the volatility of prices are estimated, and examined from a market microstructure point of view.