Dynamic Discrete Mixtures for High-Frequency Prices
高频价格的动态离散混合模型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：摘要明确针对高频离散价格变动，并评估波动率和资产间相关性的预测。
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…
高频价格的动态离散混合模型
- 研究问题
- 研究如何同时描述高频股票价格变动的离散性、大量零收益及多资产联合动态，并预测波动、相关性和价格停滞。
- 方法与思路
- 作者构建由两条隐马尔可夫链驱动的零膨胀 Skellam 动态混合模型，在给定隐状态时假设价格变动独立，并以 EM 估计。
- 材料陈述的贡献
- 摘要称给出模型性质及具有闭式最大化步骤的 EM 算法，并在纽约证券交易所资产上评估密度、矩及价格停滞预测。
- 阅读关注点
- 应核对两条隐状态链各自的作用、条件独立假设、零收益生成机制，以及联合密度和波动相关性预测的评估方法。
- 阅读边界
- 仅据所给 RePEc 出版社摘要；未报告预测比较结果或数值优势，也未说明隐状态识别、估计稳定性及市场外推广表现。
原文摘要
The tick structure of the financial markets entails discreteness of stock price changes. Based on this empirical evidence, we develop a multivariate model for discrete price changes featuring a mechanism to account for the large share of zero returns at high frequency. We assume that the observed price changes are independent conditional on the realization of two hidden Markov chains determining the dynamics and the distribution of the multivariate time series at hand. We study the properties of the model, which is a dynamic mixture of zero-inflated Skellam distributions. We develop an expectation-maximization algorithm with closed-form M-step that allows us to estimate the model by maximum likelihood. In the empirical application, we study the joint distribution of the price changes of a number of assets traded on NYSE. Particular focus is dedicated to the assessment of the quality of univariate and multivariate density forecasts, and of the precision of the predictions of moments like volatility and correlations. Finally, we look at the predictability of price staleness and its determinants in relation to the trading activity on the financial markets.