Optimizable multiresolution quadratic variation filter for high-frequency financial data

Abstract

İşlem bazında finansal veriye daha kolay ulaşılabildikçe, anlık oynaklığın tahmin edilmesi önem kazanan bir konu haline gelmiştir. Bunun için yüksek frekanslı verinin doğru ve verimli şekilde işlenmesi gerekmektedir. Ancak gözlemsel bulgular, yüksek frekanslı verinin, mikroyapı etkileri nedeniyle kullanılamaz hale gelebileceğini göstermektedir. Bu sorunun üstesinden gelmek için en sık kullanılan yöntem, takvim, işlem veya işsel yoğunluk ölçütlerinde eşit aralıklı örnekleme yapmaktır. Bu konuda yapılmış karşılaştırmalı araştırmalar, en başarılı örnekleme şemasının 5 ila 20 dakikada bir örnekleme yapan bir takvimsel örnekleme şemasıolduğunu ileri sürmektedir. Ancak bu, genelde verinin yüzde 99'unun kullanılamaması anlamına gelmektedir. Bu durumda, daha iyi bir örnekleme yöntemine ihtiyac¸ duyulduğu çok açıktır. Değişik araştırmalar alternatif örnekleme teknikleri önerse de, bunların hiçbiri en iyi olarak sunulamamaktadır.Çalışmamız, verinin değişik frekanslarda taşıdığı bilgiyi kullanan ve mikro yapı etkilerine daha az maruz kalan bir örnekleme şeması üzerinde yoğunlaşmaktadır. Örnekleyicisine Optimize Edilebilir Karesel Varyasyon Filtresi adını verdiğimiz yeni bir işsel yoğunluk kavramı sunmaktayız. Filtremiz Çoklu Çözünürlük Tekniklerini kullanarak veriyi değişik frekanslara ayrıştırmakta ve karesel varyasyon kullanarak yeni bir işsel zaman ölçütü yaratmaktadır.Gözlemsel bulgularımız, filtremizin, diğer sık kullanılan örnekleme yöntemlerine göre mikroyapı etkilerine çok daha az maruz kaldığını göstermektedir. Kullandığımız veri, Türkiye Bankalararası Döviz Piyasası'nın işlem bazında verileridir. Bu piyasa günde yaklaşık 14 saat kapalı olduğundan, kapanış-açılış fiyatları arasında ciddi oynamalar görülebilmektedir. Bu oynamaların etkilerini azaltmak için ayrıca bir yumuşatma yöntemi önermekteyiz.

As the tick-by-tick data of financial transactions become easier to reach, processing that much of information in an efficient and correct way to estimate the integrated volatility gains importance. However, empirical findings show that, this much of data may become unusable due to microstructure effects. Most common way to get over this problem is to sample the data in equidistant intervals of calendar, tick or business time scales. The comparative researches on that subject generally assert that, the most successful sampling scheme is a calendar time sampling which samples the data every 5 to 20 minutes. But this generally means throwing out more than 99 percent of the data. So it is obvious that a more efficient sampling method is needed. Although there are some researches on using alternative techniques, none of them is proven to be the best.Our study is concerned with a sampling scheme that uses the information in different scales of frequency and is less prone to microstructure effects. We introduce a new concept of business intensity, the sampler of which is named Optimizable Multiresolution Quadratic Variation Filter. Our filter uses multiresolution analysis techniques to decompose the data into different scales and quadratic variation to build up the new business time scale. Our empirical findings show that our filter is clearly less prone to microstructure effects than any other common sampling method.We use the classified tick-by-tick data for Turkish Interbank FX market. The market is closed for nearly 14 hours of the day, so big jumps occur between closing and opening prices. We also propose a new smoothing algorithm to reduce the effects of those jumps.