近期,tyc1286太阳成集团统计与数据科学系朱海斌助理教授的两篇合作论文分别在线发表于计量经济学和金融学领域国际权威期刊,题为“On bivariate time-varying price staleness” 的论文发表在期刊Journal of Business & Economic Statistics上,题为“Forecasting realized volatility with machine learning: Panel data perspective”的论文发表在期刊Journal of Empirical Finance上。上述两篇论文的第一作者均为朱海斌助理教授。
论文“On bivariate time-varying price staleness”
主要研究了高频证券价格数据中时滞现象的统计推断问题。价格时滞是价格动态变化中出现零收益的现象。在本研究中,我们允许价格时滞随时间变化,并研究两种资产之间异质和共同时滞的统计推论。我们针对时变的异质和共同时滞提出了一致的估计量,推导出他们的渐近理论。此外,对于异质和共同时滞是否为时变,本文提出了一个非参数检验。最后,我们在各种场景下进行模拟研究,以评估我们的统计量在有限样本下的表现。在实证分析中,我们的假设检验表明价格时滞现象是时变的,且在日内呈现倒V型。同时,我们将加权价格时滞作为投资组合的一项约束,发现能显著提升投资组合在日内和日度的流动性。
DOI: 10.1080/07350015.2023.2174547
论文“Forecasting realized volatility with
machine learning: Panel data perspective”
在这个大数据时代,机器学习方法在许多领域变得非常流行。本文考虑在高频数据下,使用机器学习来预测以实现波动率的问题。许多现有文献往往将已实现的波动率视为单变量时间序列进行研究,我们采用面板数据分析来改进预测短期内的准确性。本文采用了六种常用的机器学习方法,并总结了大部分通过高频数据构造得到的因子。由于因子载荷存在时变性,文章提出了一种新的自适应训练窗口选择方法,使模型可以自动地选择最优的训练窗口长度。我们结果与传统的线性模型进行比较。结果表明,基于面板数据的机器学习方法(PDML)优于其他方法。最后,文章分析了不同预测方法下各因子的重要性。
DOI: 10.1016/j.jempfin.2023.07.003
作者简介
朱海斌,tyc1286太阳成集团统计与数据科学系助理教授。主要研究方向包括:高频金融计量、随机过程的统计推断、机器学习、生物信息,在Journal of Business & Economic Statistics, Journal of Empirical Finance 等知名期刊上发表论文。
校对 | 孙 兰
责编 | 麻 瑛
初审 | 余璐尧
复审 | 郑 贤
终审发布 | 成品兴