狀態轉換隨機交易時距模型以及偵測資訊不對稱時機的應用

Abstract

本文研究目的主要在探討在紐約證券交易所(NYSE)上市公司交易的資訊不對稱現象以及逆選擇成本。內線交易以及策略性交易等造成資訊不對稱的現象皆為日內行為，為了研究造市者的動態調整過程，以及資訊交易者與非資訊交易者之間的互動以及行為模式，在傳統模型適切性不足的情形下，本文提出MSSCD ( Markov Switching Stochastic Conditional Duration)模型分析高頻率日內資料，並融入與測度資訊不對稱模型，可以實證在文獻中對於資訊交易者行為中不同的論點。

面對不規則時間間隔的交易到達過程，Engle and Russell(1998)將交易時間建立隨機過程而提出ACD動態模型應用於市場微結構領域。由於ACD模型參數化的方式與ARCH相似，許多相似的推廣後波動性模型的參數化方式也紛紛應用在ACD模型；本文提出的MSSCD 模型不僅是建構模型的先驅之外，而且估計之EM演算法可以得到較為穩健的結果，更可運用於MSSV(Markov Switching Stochastic Volatility)的參數估計問題。

本文也實證比較目前文獻上的實證模型，有鑑於傳統模型在買賣單大量不平衡的所造成難以估計的問題，本文提出EM演算法，可以得到較為穩健的結果，使模型運用者更容易使用於不同市場，以及將資產定價的期間不再侷限於1998年之前。

研究主題可分為四部分 : 第一部分探討資訊交易之理論文獻與實證模型以及本文所提出的估計方法。第二部分探討介紹高頻率計量模型，以及本文提出的動態資訊交易機率模型。第三部分透過三因子資本資產定價模型針對各種資訊交易機率估計量進行衡量比較其逆選擇成本，並且用來檢驗美國證券交易法公平揭露規則新制是否能中止內線交易、降低資訊不對稱的現象