股票市场中新闻和收益跳跃的到来：一个非参数模型

该规范包含了一大类资产价格动态设置，如（Heston，1993）和（Sch¨obel和Zhu，1999）中的随机波动率模型，以及（Barndorff-Nielsen和Shephard，2006a）中的有限活动跳跃半鞅类。（Lee和Mykland，2008）isLi（k）的跳跃检测统计≡对数[Si（tk）/Si（tk-1） ]bσi（tk），（3）其中，bσi（tk）是资产i在tk时的已实现双功率变化，用于进行瞬时波动性估计，以使技术对之前时间间隔内出现的跳跃具有鲁棒性。直观地说，如果在区间k内没有跳跃，那么L（k）的大小应该明显小于有跳跃时的大小。Lee和Mykland（2008）获得了以下零假设的拒绝区域（在第k个时间间隔内没有跳跃）：| Li（k）|- CnSn>- 日志(- 日志（1- α） ），其中CN=（2对数n）1/2p2/π-logπ+log（log n）p2/π（2 log n）1/2，Sn=p2/π（2 log n）1/2，n是样本量，α是显著性水平。3、数据为了实证证明本框架，我们使用了两个数据集。首先，我们利用美国宏观经济公告，对标准普尔500指数的交易所交易基金（ETF）SPY进行盘中观察。其次，我们对2006年1月2日至2009年12月31日纳斯达克北欧证券交易所的日内股价使用定期和非定期公司公告。特别是，我们分别分析了三组股票：i）在哥本哈根交易所交易的20家大型丹麦公司，ii）在斯德哥尔摩交易所交易的28家大型瑞典公司，以及iii）在赫尔辛基交易所交易的29家大型芬兰公司。3.1. 宏观公告和间谍数据我们分析了标准普尔500指数（SPY）是如何在上午9:30之间交易的。m、 和下午4:00，对2001年1月至2013年12月期间美国宏观公告作出回应。美国。

宏观经济公告来自布隆伯格世界经济日历，为了限制论文的篇幅，我们重点关注以下公告：ADP就业变化、CPI核心指数SA、非农就业人数变化、芝加哥采购经理、FOMC利率决策（上限）、工厂订单、初始失业率目标、非农生产率和就业不足率。为了检测指数ETF的跳跃，我们使用间谍价格的中间价格，该价格具有毫秒精度的时间戳。在清理之后，我们以15分钟的频率对价格进行采样，以wedo的形式对纳斯达克北欧的股票数据进行采样。表1：本文分析了2001年1月至2013年12月期间美国宏观公告的数量和到达时间。交易时间非交易时间总到货公告发布时间ADP就业变化0 89 89 8:15 AMCPI核心指数SA0 90 8:30 AM非农工资变化0 151 151 8:30 AMChicago Purchasing Manager 154 0 154 09:45 AM，10:00 AMFOMC利率决定（上限）104 3 107上午7:00，上午8:20，上午10:55，下午12:30，下午2:00，下午2:12–2:20 PMFactory Orders 152 10:00 AM，03:00 pm首次失业救济申请0 668 668 08:30 AM，10:30 pm非农生产率0 103 8:30 AMUnderemployment Ra t e0 28 8:30 AMIn表1总结了本文使用的宏观公告数据。大多数公告都有一个特定的发布时间，通常是上午8:30，这是在excha nge的开放时间（上午9:30）之前。此外，三种公告类型（芝加哥PurchasingManager、工厂订单和首次失业救济申请）有两种可能的发布时间。对于发布时间不超过两次的通知，我们不使用内核密度估计；参考数据样本基于精确的时钟时间。

联邦公开市场委员会（FOMC）的利率决定（RateDecision）是唯一在发布时间上存在一定变化的公告，因此，对该公告应用了核密度估计。该表还显示了六种类型的公告仅在非交易时段发布。表1总结了宏公告数据。据观察，宏观公告的到达有很大的重叠。大多数选定的宏观公告在交易所开放时间（上午9:30）前一小时上午8:30发布。此外，一种公告类型可以有多个公告时间。例如，芝加哥采购经理、工厂订单和首次失业救济申请有两个可能的释放时间，而联邦公开市场委员会利率决策有多个释放时间。此外，首次申请失业救济人数、非农生产率和就业不足率将在交易时间结束后公布。从检测到的跳跃来看，SPY的跳跃强度远低于Nasdaq或dic的股票。SPY的跳转率（跳转次数除以交易天数）只有0.12。相比之下，在样本中，哥本哈根交易所的股票对应汇率在0.18至0.51之间，斯德哥尔摩交易所的股票对应汇率在0.22至1.90之间，赫尔辛基交易所的股票对应汇率在0.14至0.84之间。这可能部分是由于市场流动性的差异。另一种可能的解释是，北欧企业级新闻和美国宏观经济新闻之间的nno不确定性的影响是不可逆转的。U、 美国宏观经济新闻对北欧市场影响显著；我们感谢奥胡斯大学为叶悦访问学者期间的宏观公告和间谍活动提供数据。然而，北欧企业级新闻不会影响美国市场。Lee和Mykland（2008）对股票和指数跳跃的更多讨论。

此外，发现跳跃具有每日季节性：89%的跳跃发生在前半小时（上午9:3010:00），92%的跳跃发生在第一小时（上午9:3010:30）。3.2. 纳斯达克北欧的公司公告和股票价格数据在纳斯达克北欧，斯德哥尔摩、哥本哈根和赫尔辛基的市场基于相同的交易规则，这使得对不同市场的结果进行比较。对于这些市场，我们可以访问大量的新闻事件，这些新闻事件分为预定和非预定公告。这种分类对于验证我们的方法很重要；如果我们得到i）具有非计划公告的后向距离的统计显著结果（其到达应由定义不可预测）和ii）具有前向距离的统计显著结果，则该方法能够接受和拒绝距离来自相同分布人群的无效假设。关于非计划公告的后向距离，当然，在实际市场中总是可能存在一定程度的信息泄漏，在这种情况下，即使在这种特殊情况下否定了无效假设，我们的方法也不能说是有效的。

换言之，鉴于该方法经验证能够接受和拒绝无效假设，如果接受（拒绝）非预定新闻的后向距离的完整假设，我们得到证据表明，就所检查的新闻集而言，没有信息泄漏（一直是信息泄漏）。我们使用Nasdaq Nordic发布的公司特殊目的公司公告，该公司持续发布上市公司发布的第一手公告。例如，其中包括盈利公告、收购新闻、收购出价、资本增长、新产品发布、新市场扩张、联盟签署等。纳斯达克将每个公告与准确的时间戳和公司名称相关联，然后我们将其与独立的国际证券识别码（ISIN）代码相匹配。例如，“Finnair出售一架Embraer 170飞机”于2010年12月31日上午08:45在“公司公告”类别下宣布，并与“Finnair Oyj”相关。纳斯达克北欧数据提供了不同类别的分类。然而，在本文中，我们并不像许多其他研究那样，将我们的研究局限于一个特定的新闻类，如盈利公告；相反，正如（Siikanen等人，2017年）所述，公告被重新分类为两个特定组，即计划公告和非计划公告，以证明其到达时间可预测和不可预测的公告的方法。如果公告的确切发布日期事先为公众所知，则该公告按计划分类。如果在早期的证券交易所发布或财务日历中提前给出日期，则会发生这种情况。相应地，如果外部利益相关者不知道公告何时到来，则公告被归类为非预定。

在第三部分中，如果发布是不规则的，则其发布被视为无n计划shinghttp://www.nasdaqomxnordic.com/news/companynews; 有关详细信息，请参见页面。纳斯达克发布的公告涵盖了相关公司在纳斯达克发布的消息。每家公司都可以在自己的网站上发布额外的非监管新闻，这些新闻不属于我们的数据样本。没有给出时间表，也无法可靠估计，或者发布明显出乎意料。为安全起见，其发布时间跨度在早期证券交易所发布的公告中没有给出具体规定，或者本质上有点规则的公告，如董事会或提名委员会的年度股东大会提案，不包括在内。大多数被排除在外的公告包括召开年度股东大会的重新通知、发布年度报告或摘要的通知以及发布财务报告相关新闻发布会的邀请。此外，明确不包含新信息的nno声明也被排除在外。在北欧市场，可以在稍有不同的时间以当地语言和英语发布两次公告，在这种情况下，只有第一次使用Stampi。表2总结了不同股票组合在交易时间内和交易时间后的预定和非预定公告数量。我们对公告进行了完整和筛选；全套包括各公司的所有预定公告（均在表中），过滤后的数据集不包括双方分别在6小时左右发布另一条（预定或非预定）公告的公告。

也就是说，为了消除经历过其他重大事件的天数，在文献中通常被称为混淆事件，对于每家公司，我们只包括附近没有其他公告的公告。该表显示，非计划新闻发布主要在非交易时间进行，而计划新闻主要在交易时间进行。最大的公告样本是瑞典的非计划事件，最小的样本是丹麦的计划新闻。此外，图2提供了三个市场（包括所有公告）中计划和非计划公告的到达时间直方图。预定的公告大多在开放时间之前和之后到达，尤其是在斯德哥尔摩和赫尔辛基交易所，中午到达，而非预定的公告则分布更均匀。表2:2006年1月2日至2009年12月31日期间，不同市场的分类公司公告数量。预定是指预定的公告，非预定是指非预定的公告。所有数据包括示例中的所有公告。过滤后的数据集不包括在两侧6小时的邻居区内有另一个（计划或非计划）公告的公告。计划公告非计划公告跨时段非交易时间总交易时间非交易时间总公告公告公告范围大Capa）所有数据156 182 338 863 441 1304b）过滤数据集127 130 257 726 354 1080斯德哥尔摩大Capa）所有数据198 251 449 1751 999 2750b）过滤数据集122 185 307 1295 759 2054赫尔辛基大型Capa）所有数据305 331 636 1799 749 2548b）过滤数据集152 186 338 1369 542 1911秒，我们在本文中使用的交易数据是纳斯达克北欧提供的一级订单数据的逐笔记录。

我们的数据显示，四年（2006年1月至2009年12月）的总交易日数为977天。中间价之前为00:00 03:00 06:00 09:00 12:00 15:00 18:00 21:00:00（a）哥本哈根，计划00:00 03:00 06:00 09:00 12:00 15:00 18:00 21:00（b）哥本哈根，非计划00 03:00 06:00 09:00 12:00 15:00 18:00 21:00（d）斯德哥尔摩，非计划00 03:00 06:00 09:00 12:00 15:00 18:00 21:00（c）斯德哥尔摩，计划00:00 03:00 06:00 09:00 12.00 15:00 18:00 21:00 00（e）赫尔辛基，计划00:00 03:00 06:00 09:00 12:00 15:00 18:00 21:00（f）赫尔辛基，非计划图2：样本中Danis h、Swedish和Finnish la rge cap公司的计划和非计划公告柱状图。垂直线表示开盘和收盘时间（哥本哈根上午9:00和下午5:00，斯德哥尔摩和赫尔辛基上午9:00和下午5:30，CEST）。针对每种库存进行计算，必须清理和预处理高频数据。如（Gen,cay et al.，2001）和（Brownlees and Gallo，20 06）所述，高频数据中的一些典型错误是由人为或系统引起的。我们实施中介绍的分步清洁程序（Barndor Off-Nielsen等人，2009年，程序P1-P3和Q1-Q4）。此外，我们删除了任何交易暂停间隔中记录的所有观察结果。在数据清理之后，我们执行以下两步数据采样过程：1。我们每10秒对报价记录进行一次采样，以从清理后的勾号数据中及时生成一个间隔为10秒的常规数据集。如果10秒左右的时间戳没有报价，我们将对该时间戳的最接近值进行采样。2.

为了避免（Lee和Mykland，2008）中讨论的j ump检测中存在严重的微观结构问题，并减少由于使用低频率数据而导致的跳跃检测错误（参见Christensen等人，2014，了解更多详细信息），我们保守地从10秒的样本中选择15分钟的样本频率。图3提供了跳跃到达时间的柱状图和数据样本，其中我们应用了1%的显著性水平。很明显，所有市场的上涨主要集中在第一个交易小时。事实上，三家北欧交易所的柱状图数据惊人地相似。图3：丹麦、瑞典和芬兰largecap Stock检测到跳跃的时间戳直方图。使用Lee和Mykland（2008）的方法检测跳跃，采样间隔为15分钟，显著性水平为1%。哥本哈根交易所的开放时间为上午9:00至下午5:00，斯德哥尔摩和赫尔辛基交易所的开放时间为上午9:00至下午5:30.0 5 10 15分钟0.0050.010.015实现的方差方差为0 5 10 15分钟0.51.5-3双功率变化图4：各股票的平均实现方差和双功率变化特征图，瑞典和丹麦市场。最短的采样间隔相当于10秒。与美国市场相比，北欧市场的流动性较低，因此，我们使用已实现变量和双功率变量的SignaturePlot，分析了适当的采样频率。特征图如图4所示，使用16种不同的采样频率返回进行计算：10秒、1分钟、2分钟和15分钟。

2006年至2009年，利用丹麦市场20只大盘股、瑞典市场28只大盘股和芬兰市场27只大盘股的价格计算平均实现方差和双功率方差。从该图可以看出，微结构噪声对机器人实现的方差和双功率方差的强烈影响可以通过10秒的返回找到。然而，随着低频率回波的采样，微结构效应逐渐消失。Andersen et al.（1999）和Bandi and Russell（200 8）证实了这一结论。其他研究建议使用相对高频的股票价格数据。例如，Liu et al.（2015）表明，5分钟返回是一个安全的选择，Zhang et al.（2005）主张使用所有的日内数据。由于北欧市场的股票流动性不足，我们保守地采用15分钟的回报率来检测跳跃。4、实证论证与分析4.1。标准普尔500指数和m acro announcementsTable3报告了中间值的bootstrap和Welch U-test p值，以及前向和后向等待时间的均值，包括右向和左向故障值。可以得出以下观察结果：前瞻性距离首先，我们确定了四个与平均值和媒体中值测试的前瞻性跳跃相关的宏观公告发布，无一例外：ADP就业变化、芝加哥采购经理、FOMC利率决策和就业不足率。其次，均值检验为CPI核心指数和非农就业人数的变化提供了证据。对于三个最重要的宏观经济数据发布、工厂订单、首次失业救济申请和非农生产率，没有任何测试拒绝了无效假设，这意味着没有统计证据表明这些数据发布与jumpsin SPY之间存在关联。