On a quantile autoregressive conditional duration model applied to high-frequency financial data
用于高频金融数据的分位数自回归条件持续期模型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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确分析高频金融交易间隔，并使用自回归条件持续期动态模型，因此对应高频计量与时间序列。
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…
用于高频金融数据的分位数自回归条件持续期模型
- 研究问题
- 对于相邻金融交易事件之间的持续期，如何超越条件均值或中位数建模，描述不同条件分位数及持续期分布的尾部？
- 方法与思路
- 作者提出基于偏斜 Birnbaum–Saunders 分布的分位数 ACD 模型，采用期望条件极大化算法估计，并以模拟和真实交易数据说明。
- 材料陈述的贡献
- 摘要称，偏斜分布比传统 Birnbaum–Saunders 分布更好地拟合尾部，并推进相应估计算法，模拟还考察了参数估计与残差表现。
- 阅读关注点
- 应核对条件分位数参数化、持续期动态约束、估计算法收敛、残差定义，以及尾部拟合比较所用指标和交易数据处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未提供正则条件或拟合数值，持续期尾部表现不等同于收益尾部风险表现。
原文摘要
Autoregressive conditional duration (ACD) models are primarily used to deal with data arising from times between two successive events. These models are usually specified in terms of a time-varying conditional mean or median duration. In this paper, we relax this assumption and consider a conditional quantile approach to facilitate the modeling of different percentiles. The proposed ACD quantile model is based on a skewed version of Birnbaum-Saunders distribution, which provides better fitting of the tails than the traditional Birnbaum-Saunders distribution, in addition to advancing the implementation of an expectation conditional maximization (ECM) algorithm. A Monte Carlo simulation study is performed to assess the behavior of the model as well as the parameter estimation method and to evaluate a form of residual. A real financial transaction data set is finally analyzed to illustrate the proposed approach.