High Frequency Jump Tests
Translated title
Højfrekvente hoppetest
Author
Hodzic, Asim
Term
4. term
Education
Publication year
2024
Submitted on
2024-06-03
Abstract
This thesis investigates how to detect sudden jumps in stock prices using high-frequency market data. It builds on two statistical tests: L, which targets jumps in stock returns, and G-hat, which targets jumps in volatility. The necessary theory behind these tests is presented, both tests are implemented in the open-source Julia package HighFrequencyJumps.jl, and their use is demonstrated on high-frequency stock data, including examples such as TSLA and VWS. The empirical analyses indicate that the tools effectively identify jumps in both returns and volatility, and the thesis offers practical guidance for applying the tests in practice. The overarching research question—whether tools can be developed to reliably detect jumps in stocks using high-frequency data—is addressed by developing and demonstrating such tools.
Denne afhandling undersøger, hvordan man kan opdage pludselige spring i aktiekurser ved hjælp af højfrekvente markedsdata. Udgangspunktet er to statistiske test: L, der sigter mod at identificere spring i aktiers afkast, og G-hat, der sigter mod at identificere spring i volatilitet. Afhandlingen gennemgår den nødvendige teori bag testene, implementerer dem i den åbne Julia-pakke HighFrequencyJumps.jl og viser, hvordan de kan anvendes på højfrekvente aktiekurser, herunder eksempler som TSLA og VWS. De empiriske analyser indikerer, at værktøjerne effektivt kan identificere spring i både afkast og volatilitet, og afhandlingen giver praktiske retningslinjer for brugen af testene i praksis. Det overordnede forskningsspørgsmål er, om man kan udvikle værktøjer, der pålideligt detekterer spring i aktier ved brug af højfrekvente data, hvilket afhandlingen besvarer ved at udvikle og demonstrere sådanne værktøjer.
[This apstract has been generated with the help of AI directly from the project full text]