In this paper, the higher order dynamics of individual illiquid stocks are investigated. We show that considering the classical powers correlation could lead to a spurious assessment of the volatility persistency or long memory volatility effects, if the zero returns probability is non-constant over time. In other words, the classical tools are not able to distinguish between long-run volatility effects, such as IGARCH, and the case where the zero returns are not evenly distributed over time. As a consequence, tools that are robust to changes in the degree of illiquidity are proposed. Since a time-varying zero returns probability could potentially be accompanied by a non-constant unconditional variance, we then develop powers correlations that are also robust in such a case. In addition, note that the tools proposed in the paper offer a rigorous analysis of the short-run volatility effects, while the use of the classical power correlations lead to doubtful conclusions. The Monte Carlo experiments, and the study of the absolute value correlation of some stocks taken from the Chilean financial market, suggest that the volatility effects are only short-run in many cases.


翻译:在本文中,对单个液态储量的较高顺序动态进行了调查。我们表明,考虑到古典强权相关关系,如果零回报概率随时间推移不稳,则可能导致对挥发性持久性或长期内存性波动效应的虚假评估。换句话说,古典工具无法区分长期波动效应(如IGARCHH)和零回报率在一段时间内分布不均的情况。因此,提出了与流动性程度变化相适应的强力工具。由于时间变化性零回报概率可能伴随非一致的无条件差异,因此我们随后发展出在此类情况下同样强劲的强力相关关系。此外,我们注意到,文件中提议的工具对短期波动效应进行了严格分析,而使用古典力量相关关系则得出了令人怀疑的结论。蒙特卡洛实验和对智利金融市场某些股票绝对价值相关性的研究表明,在很多情况下,波动效应只是短期的。

0
下载
关闭预览

相关内容

《常微分方程》笔记,419页pdf
专知会员服务
74+阅读 · 2020年8月2日
专知会员服务
162+阅读 · 2020年1月16日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
60+阅读 · 2019年10月17日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
53+阅读 · 2019年9月29日
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
机器学习线性代数速查
机器学习研究会
19+阅读 · 2018年2月25日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Optimal Policies Tend to Seek Power
Arxiv
0+阅读 · 2021年6月1日
VIP会员
相关VIP内容
《常微分方程》笔记,419页pdf
专知会员服务
74+阅读 · 2020年8月2日
专知会员服务
162+阅读 · 2020年1月16日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
60+阅读 · 2019年10月17日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
104+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
53+阅读 · 2019年9月29日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
机器学习线性代数速查
机器学习研究会
19+阅读 · 2018年2月25日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员