edoc-Server der Humboldt-Universität zu Berlin

Band einer Schriftenreihe

Autor(en): Axel Groß-Klußmann; Nikolaus Hautsch
Titel: Predicting Bid-Ask Spreads Using Long Memory Autoregressive Conditional Poisson Models
Erscheinungsdatum: 12.07.2011
Erschienen in: Sonderforschungsbereich 649: Ökonomisches Risiko  44 (SFB 649 Papers)
ISSN: 1860-5664
Volltext: pdf (urn:nbn:de:kobv:11-100189698)
Fachgebiet(e): Wirtschaft
Schlagwörter (eng): forecasting, high-frequency data, Bid-ask spreads, count data time series, long memory Poisson autoregression, stock market liquidity
Herausgeber: Humboldt-Universität zu Berlin, Wirtschaftswissenschaftliche Fakultät
Metadatenexport: Um den gesamten Metadatensatz im Endnote- oder Bibtex-Format zu speichern, klicken Sie bitte auf den entsprechenden Link. Endnote   Bibtex  
print on demand: Wenn Sie auf dieses Icon klicken, können Sie ein Druckexemplar dieser Publikation bestellen.
Diese Seite taggen: Diese Icons führen auf so genannte Social-Bookmark-Systeme, auf denen Sie Lesezeichen anlegen, persönliche Tags vergeben und Lesezeichen anderer Nutzer ansehen können.
  • connotea
  • del.icio.us
  • Furl
  • RawSugar

Abstract (eng):
We introduce a long memory autoregressive conditional Poisson (LMACP) model to model highly persistent time series of counts. The model is applied to forecast quoted bid-ask spreads, a key parameter in stock trading operations. It is shown that the LMACP nicely captures salient features of bid-ask spreads like the strong autocorrelation and discreteness of observations. We discuss theoretical properties of LMACP models and evaluate rolling window forecasts of quoted bid-ask spreads for stocks traded at NYSE and NASDAQ. We show that Poisson time series models significantly outperform forecasts from ARMA, ARFIMA, ACD and FIACD models. The economic significance of our results is supported by the evaluation of a trade schedule. Scheduling trades according to spread forecasts we realize cost savings of up to 13 % of spread transaction costs.
Zugriffsstatistik: Die Daten für die Zugriffsstatistik der einzelnen Dokumente wurden aus den durch AWStats aggregierten Webserver-Logs erstellt. Sie beziehen sich auf den monatlichen Zugriff auf den Volltext sowie auf die Startseite. Die Zugriffsstatistik wird nicht standardisiert erfasst und kann maschinelle Zugriffe enthalten.
 
Bei Formatversionen eines Dokuments, die aus mehreren Dateien bestehen (insbesondere HTML), wird jeweils der monatlich höchste Zugriffswert auf eine der Dateien (Kapitel) des Dokuments angezeigt.
 
Um die detaillierten Zugriffszahlen zu sehen, fahren Sie bitte mit dem Mauszeiger über die einzelnen Balken des Diagramms.
Startseite: 3 ZugriffePDF: 1 ZugriffePDF: 3 ZugriffePDF: 5 ZugriffeStartseite: 1 ZugriffePDF: 3 ZugriffePDF: 2 ZugriffeStartseite: 1 ZugriffePDF: 2 ZugriffePDF: 6 ZugriffeStartseite: 2 ZugriffePDF: 5 ZugriffePDF: 6 ZugriffePDF: 2 ZugriffePDF: 1 ZugriffePDF: 4 ZugriffePDF: 3 ZugriffeStartseite: 1 ZugriffePDF: 7 ZugriffePDF: 11 Zugriffe
Jul
11		Dec
11		Jan
12		Feb
12		Apr
12		May
12		Jun
12		Jul
12		Aug
12		Sep
12		Oct
12		Nov
12		Dec
12		Jan
13		Apr
13

MonatJul
11		Dec
11		Jan
12		Feb
12		Apr
12		May
12		Jun
12		Jul
12		Aug
12		Sep
12		Oct
12		Nov
12		Dec
12		Jan
13		Apr
13
Startseite3  1 1 2     1 
PDF1353226562143711

Gesamtzahl der Zugriffe seit Jul 2011:

  • Startseite – 8 (0.53 pro Monat)
  • PDF – 61 (4.07 pro Monat)
    •  
 
Generiert am 20.05.2013, 04:07:08