MétaCan
Menu
Retour à la cohorte
Enregistrement W2099319231 · doi:10.5539/ijef.v2n2p26

Intraday Volatility Analysis on S&P 500 Stock Index Future

2010· article· en· W2099319231 sur OpenAlexvenueno aff
Hong Xie, Jian Li

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFinancial Risk and Volatility Modeling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVolatility (finance)Autoregressive conditional heteroskedasticityEconometricsStock market indexForward volatilityFinancial models with long-tailed distributions and volatility clusteringEconomicsIndex (typography)Stock marketImplied volatilityComputer science

Résumé

récupéré en direct d'OpenAlex

This paper analysed intraday volatility by S&P 500 stock index future product and basic on the high frequency trading strategy. The processes of the model are the GARCH series which including GARCH (1, 1), EGARCH and IGARCH, moreover run such models again by GARCH-In-Mean process. The result presented that EGARCH model is the preferred one of intraday volatility estimation in S&P500 stock index future product. And IGARCH Model is the better one in in-the-sample estimation. Otherwise the IGARCH model is the preferred for estimation in out-of sample and EGARCH model is the better one. GARCH (1, 1) model haven’t good performance in the testing. Overall the result will engaged in microstructure market analysis and volatility arbitrage in high frequency trading strategy.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,444
Score d'incertitude au seuil0,717

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,242
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetFinancial Risk and Volatility ModelingTravaux en français237 207