Detailansicht
Estimating Jump Variation under Noise with High-Frequency Data
André Thea
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Quantitative Economics, Management and Finance
Betreuer*in
Nikolaus Hautsch
DOI
10.25365/thesis.49396
URN
urn:nbn:at:at-ubw:1-27563.29207.646654-7
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Mit Hilfe der neuesten Vor-Mittelwert-Techniken, um Mikrostruktur-Effekte und Ausreisser zu reinigen, verwenden wir Tick-Level-Daten (aufgezeichnet in Millisekunden Genauigkeit), um die Volatilität zu messen. Wir schätzen das Niveau der Sprungvariation (zusätzlich zu der integrierten Variation) im Preisprozess, um mit den Ergebnissen zu vergleichen, die in Christensen, Oomen and Podolskij (2014a) angegeben sind. Wir finden, dass, wenn Sie sich einer kontinuierlichen Zeit nähern, der Bruchteil der Sprungvariation auf etwa 3% von dem 10%-Niveau abnimmt, der aus dem, was jetzt niedrige Frequenz (5-Minuten) Daten geschätzt wird, wie die meisten der jüngsten Literatur gezeigt haben. Dieses Ergebnis kontrastiert leicht mit dem bisher 1% Niveau der Sprungvariation, gefunden durch Christensen, Oomen and Podolskij (2014a). Wir finden, dass für die meisten liquiden Instrumente die Höhe der Sprungvariation nahe bei ihren Ergebnissen liegt. Der Gesamtunterschied in den Sprungvariationsschätzungen ist höchstwahrscheinlich mit den strengeren Datenreinigungstechniken verbunden, die die Anzahl der gereinigten täglichen Renditen reduzieren.
Abstract
(Englisch)
Utilizing the latest pre-averaging techniques to clean away microstructure effects and outliers, we use tick-level data (recorded at millisecond precision) to measure volatility. We estimate the level of the jump variation (in addition to the integrated variation) in the price process to compare with results reported in Christensen, Oomen and Podolskij (2014a). We find that as you approach continuous-time, the fraction of jump variation decreases to around 3% from the 10% level estimated from what is now low frequency (5-minute) data, as has been shown by most of the recent literature. This result contrasts slightly with the previously 1% level of jump variation, found by [Christensen, Oomen and Podolskij (2014a)]. We do find that for the most liquid instruments, the level of jump variation is close to their findings. The overall difference in the jump variation estimates is most likely associated to the more rigorous data cleaning techniques that reduce the number of cleaned, daily returns.
Schlagwörter
Schlagwörter
(Englisch)
High-frequency data Jump variation Pre-averaging Realized variation Bipower variation Microstructure noise
Schlagwörter
(Deutsch)
Hochfrequenzdaten Sprungvariation Pre-averaging Realisierte Variation Bipower Variation Mikrostrukturgeräusche
Autor*innen
André Thea
Haupttitel (Englisch)
Estimating Jump Variation under Noise with High-Frequency Data
Paralleltitel (Deutsch)
Schätzung der Sprungvariation unter Lärm mit Hochfrequenzdaten
Publikationsjahr
2017
Umfangsangabe
36 Seiten
Sprache
Englisch
Beurteiler*in
Nikolaus Hautsch
Klassifikationen
31 Mathematik > 31.73 Mathematische Statistik ,
83 Volkswirtschaft > 83.52 Finanzwissenschaft
AC Nummer
AC14486247
Utheses ID
43668
Studienkennzahl
UA | 066 | 920 | |