大数据时代下程序化交易研究现状及风险监测方案探讨

被引：3

作者：

刘伟

机构：

[1] 上海金融学院

[2] 上海市金融信息技术研究重点实验室(上海财经大学)

来源：

当代经济管理 | 2015年 / 37卷 / 12期

基金：

上海市自然科学基金;

关键词：

程序化交易; 系统性风险; 风险监管;

D O I：

10.13253/j.cnki.ddjjgl.2015.12.012

中图分类号：

F224 [经济数学方法];

学科分类号：

0701 ; 070104 ;

摘要：

近年来,大数据在各行业开始得到充分重视,以高频数据为基础的程序化交易不仅在海外市场蓬勃发展,在国内市场也悄然兴起,日益成为各方关注的热点。伴随着美国股市"闪电崩盘"、国内"816光大事件"等风险事件的发生,程序化交易的利弊也成为各方热议焦点。文章从程序化交易的数据基础、数据模型、风险管理出发,对国内外学术界关于程序化交易的理论和实证研究进行梳理,同时针对程序化交易引发的系统性风险提出了两种监测方案,以期为我国证券市场的程序化交易监管提供参考。

引用

页码：65 / 68

页数：4

共 12 条

[1] 基于条件在险价值法的量化基金市场系统性风险研究 [J].

刘伟 ;

郝瑞丽 .

金融理论与实践 , 2015, (09) :26-31

[2] 我国量化基金同质化交易倾向研究 [J].

刘伟 ;

封涌 .

上海金融, 2015, (04) :83-86

[3] 金融高频数据挖掘研究评述与展望 [J].

朱建平 ;

魏瑾 ;

谢邦昌 .

经济学动态, 2011, (06) :59-62

[4] 交易间隔、超高频波动率与VaR——利用日内信息预测金融市场风险 [J].

邵锡栋 ;

连玉君 ;

黄性芳 .

统计研究, 2009, 26 (01) :96-102

[5] 基于高频金融数据的正交ARFIMA模型及应用 [J].

郭名媛 ;

张世英 .

系统工程理论与实践, 2008, (11) :74-79

[6] 基于金融高频数据的ACD模型非参数设定检验 [J].

徐国祥 ;

金登贵 .

统计研究, 2007, (04) :15-18

[7]

Measuring and modeling systematic risk in factor pricing models using high-frequency data[J] . Tim Bollerslev,Benjamin Y.B. Zhang.Journal of Empirical Finance . 2003 (5)

[8]

The magnet effect of price limits: evidence from high-frequency data on Taiwan Stock Exchange[J] . David D. Cho,Jeffrey Russell,George C. Tiao,Ruey Tsay.Journal of Empirical Finance . 2002 (1)

[9] A nonlinear autoregressive conditional duration model with applications to financial transaction data [J].

Zhang, MYJ ;

Russell, JR ;

Tsay, RS .

JOURNAL OF ECONOMETRICS, 2001, 104 (01) :179-207

[10]

Market Microstructure Research Databases: History and Projections[J] . RobertA. Wood.Journal of Business & Economic Statistics . 2000 (2)

← 1 2 →