Intraday Stochastic Volatility in Discrete Price Changes: The Dynamic Skellam Model
离散价格变动中的日内随机波动率：动态 Skellam 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：摘要直接使用股票逐笔离散价格变化建模并预测日内随机波动率。
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…
离散价格变动中的日内随机波动率：动态 Skellam 模型
- 研究问题
- 逐笔交易价格以离散单位变化且大量交易不改变价格时，如何刻画股票日内随机波动率，并开展跨交易日预测？
- 方法与思路
- 作者采用动态 Skellam 模型，对日内波动动态和零价格变动进行调整，并使用含蒙特卡洛积分的数值方法计算似然。
- 材料陈述的贡献
- 摘要称，最终模型在四只纽约证券交易所股票上具有良好样本内拟合，跨日研究中相对替代模型提供准确的日内波动预测。
- 阅读关注点
- 应核对波动状态和零变动机制、数值积分误差，以及预测目标、损失函数、训练窗口和替代模型的比较方式。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；具体预测指标、改进幅度与样本范围未说明，四只股票的表现不能直接外推，不能推断刊本变化。
原文摘要
We study intraday stochastic volatility for four liquid stocks traded on the New York Stock Exchange using a new dynamic Skellam model for high-frequency tick-by-tick discrete price changes. Since the likelihood function is analytically intractable, we rely on numerical methods for its evaluation. Given the high number of observations per series per day (1000 to 10,000), we adopt computationally efficient methods including Monte Carlo integration. The intraday dynamics of volatility and the high number of trades without price impact require nontrivial adjustments to the basic dynamic Skellam model. In-sample residual diagnostics and goodness-of-fit statistics show that the final model provides a good fit to the data. An extensive day-to-day forecasting study of intraday volatility shows that the dynamic modified Skellam model provides accurate forecasts compared to alternative modeling approaches. Supplementary materials for this article are available online.