基于价格全距之价差估计─以时间序列模型改善价差小于0的发生机率

蔡秉真

如何从交易价格资料推估价差为财务文献之一重要研究主题。本文探讨基于价格全距之价差估计模型，使用两种方式计算价差，分别为Cowin and Schultz (2012) 估计法 (CS) 与Li, Lambe and Adegbite (2018) 的Basic High and Low (BHL) 估计法，使用四种不同市场 (KOSPI200、NIKKEI225、FTSE100、ESTX50) 30分钟的日内资料并与日资料结果进行对照。我们发现无论是日资料或30分钟资料， 两种价差计算方式皆容易产生价差为负的情形，而负价差之比例介于 30-50%。为改进此问题以减少负价差之比例，我们使用了Chou (2005) 的条件自我回归全距模型 (Conditional Autoregressive Range, CARR)，由CARR模型求得价格全距之条件期待值后代入计算公式，我们发现此修正做法能有效降低负价差出现之频率至10%以下。我们也进一步在CARR模型中考虑波动度之杠杆效果，亦即加入前期报酬为负之指标函数，以提升对价差计算结果的表现。

作者：国立中山大学财务管理学系 硕士生 朱奎翰、中央研究院经济研究所 兼任研究员 周雨田、国立中山大学财务管理学系 硕士生 许哲维、*国立中山大学财务管理学系 助理教授 蔡秉真

*通讯作者E-mail: [email protected]

发表人：蔡秉真