...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of International Financial Markets, Institutions & Money >An unbiased computation methodology for estimating the probability of informed trading (PIN)
【24h】

An unbiased computation methodology for estimating the probability of informed trading (PIN)

机译：用于估计知情交易（PIN）概率的无偏计算方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Computational drawbacks regarding the maximum likelihood estimation (MLE) of the widely used PIN (probability of informed trading) measure (Easley et ate 1996) heavily distort the findings of a broad literature. Previously proposed methodologies are not free of computational biases mainly because involved problems are not treated accurately and in unity. Upon revealing the mistreatment in commonly used YZ algorithm (Yan and Zhang, 2012), we suggest a remedy for the problem of boundary solutions. Next, we differentiate and focus on another computational issue: "determination of powerful initial value sets". We develop a new algorithm that employs cluster analysis to assign multiple powerful sets of initial values for the MLE function. The analyses of the simulated quarterly datasets reflect that applying the algorithm outperforms the existing methods in accuracy. Most notably, none of the mean estimates on PIN and five intermediary parameters contains significant bias at 1% level. Empirical evidence from BIST-30 Index constituents provides consistent and supportive results. In addition to accuracy concerns, consuming one-seventeenth of the time spent in YZ algorithm, the algorithm is highly applicable by researchers and professionals. (C) 2016 Elsevier B.V. All rights reserved.
机译：关于广泛使用的PIN（知情交易的概率）测度（Easley等，1996）的最大似然估计（MLE）的计算缺陷极大地扭曲了广泛文献的发现。先前提出的方法并非没有计算偏差，这主要是因为所涉及的问题没有得到正确而统一的处理。在揭示了常用的YZ算法中的错误处理后（Yan和Zhang，2012），我们提出了一种解决边界问题的方法。接下来，我们区分并关注另一个计算问题：“确定强大的初始值集”。我们开发了一种新的算法，该算法利用聚类分析为MLE函数分配多个强大的初始值集。对模拟季度数据集的分析表明，该算法的应用精度优于现有方法。最值得注意的是，关于PIN和五个中间参数的平均估计值均不包含1％的显着偏差。来自BIST-30指数成分股的经验证据提供了一致且支持的结果。除了精度方面的问题外，YZ算法花费了十分之一的时间，该算法也被研究人员和专业人员高度适用。 （C）2016 Elsevier B.V.保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号