Financial High-Frequency Data

Vladimír Holý

Doctoral thesis

Finanční vysokofrekvenční data

Abstract:

Ceny akcií, směnné kurzy a ceny komodit jsou ve financích zaznamenávány s každou transakcí nebo změnou bid/ask nabídky. Intradenní vysokofrekvenční časové řady mají velmi jemnou časovou škálu (např. sekundy nebo dokonce zlomky sekund). Vysokofrekvenční data mají několik výrazných specifik, které je odlišují od dat s nízkou frekvencí (např. od denních časových řad). Pozorování jsou nepravidelně rozmístěná, hodnoty cen jsou disktrétní a samotný proces cen se skládá z bid a ask stran. Poslední dva rysy jsou často zachyceny mikrostrukturním šumem, který zakrývá informace o teoretickém procesu eficientní ceny. Během posledních 20 let byla vyvinuta řada ekonometrických metod pro řešení takových problémů mikrostruktury trhů a pro pochopení dynamiky finančních trhů. Zaměřujeme se na tři aspekty analýzy vysokofrekvenčních dat. Za prvé, modelujeme doby mezi jednotlivými transakcemi pomocí diskrétního autoregresivního modelu podmíněných durací s ohledem na split transakce. Za druhé, odhadujeme a předpovídáme kvadratickou variaci procesu cen různými metodami robustními k mikrostrukturnímu šumu. Za třetí, modelujeme ceny jako Ornstein-Uhlenbeckův proces kontaminovaný mikrostrukturním šumem s aplikací pro pairs trading strategii. V empirické části práce analyzujeme vybrané akcie obchodované na burzách NYSE a NASDAQ.

Abstract:

In finance, stock prices, exchange rates and commodity prices are recorded with each transaction or bid/ask offer resulting in intraday high-frequency data. Such time series have a very fine time scale (e.g. seconds or even fractions of seconds). High-frequency data have several specifics distinguishing them from low-frequency data (e.g. daily time series). The observations of prices are irregularly spaced, the values of prices are discrete and the price process consists of both bid and ask side. The latter two specifics are often captured by the market microstructure noise which conceals the information about the theoretical efficient price process. Over the past 20 years, a vast number of econometrical methods have been developed to address such market microstructure issues and to understand dynamics of financial markets. We focus on three aspects of high-frequency data analysis. First, we model durations between successive transactions using the autoregressive conditional duration model in a discrete framework with a special attention to split transactions. Second, we estimate and forecast quadratic variation of the price process by a variety of methods robust to the market microstructure noise. Third, we model prices as the Ornstein-Uhlenbeck process contaminated by the market microstructure noise with an application to the pairs trading strategy. In the empirical part of the thesis, we analyze selected stocks traded on the NYSE and NASDAQ exchanges.

Keywords

Autoregresní model podmíněné durace, Ornstein-Uhlenbeckův proces, Vysokofrekvenční data, Eficientní cena, Kvadratická variace, Párové obchodování, Integrovaná variance, Mikrostrukturní šum, Durace mezi transakcemi

Keywords

Efficient Price, Integrated Variance, Pairs Trading, High-Frequency Data, Market Microstructure Noise, Trade Durations, Autoregressive Conditional Duration Model, Quadratic Variation, Ornstein-Uhlenbeck Process

Language used: English

Date on which the thesis was submitted / produced: 8. 1. 2015

Thesis defence

• Date of defence: 4. 4. 2019
• Supervisor: Michal Černý
• Reader: Jiří Witzany, Tomáš Cipra

Vysoká škola ekonomická v Praze

Doctoral programme / field:
Kvantitativní metody v ekonomice / Ekonometrie a operační výzkum