完全包含 OHLC 數據的模型（也有高低）

OHLC 數據是最流行的可用數據之一。是否有模型可以包含 OHLC 提供的所有資訊 - 例如正常 1 分鐘頻率數據？通常只使用收盤價，但高 - 低差異提供有關給定時期價格波動的資訊 - 因為人口範圍的寬度與人口的變異數相關（但依賴性隨人口規模而變化，較小規模的依賴性更強），如果high-min與波動率相關，我們可以在估計隨機波動率模型的情況下使用它。在人口規模 - 10 和 20 的情況下簡單模擬變異數和最大-最小差異：

n_iter=1e5
n_obs=10

out <- matrix(0, n_iter, 2)
out <- as.data.frame(out)
names(out)=c("var", "max - min")

for(i in 1:n_iter){

   x <- rnorm(n_obs)

   out[i,1] = var(x)
   out[i,2] = diff(range(x))

}

plot(out, main = paste("n_iter = ",n_iter,", n_obs = ",n_obs))
abline(lm(out[,2]~out[,1]), col = 2, lwd = 2)
cor(out)

# case population size 20
n_iter=1e5
n_obs=20

out <- matrix(0, n_iter, 2)
out <- as.data.frame(out)
names(out)=c("var", "max - min")

for(i in 1:n_iter){

   x <- rnorm(n_obs)

   out[i,1] = var(x)
   out[i,2] = diff(range(x))

}

plot(out, main = paste("n_iter = ",n_iter,", n_obs = ",n_obs))
abline(lm(out[,2]~out[,1]), col = 2, lwd = 2)
cor(out)

不是這樣的模型，但這篇論文可能會讓你感興趣：

從每日最高價和最低價估算買賣價差的簡單方法

它根據每日 OLHC 數據估算買賣價差。也許您可以對分鐘數據使用相同的邏輯？

如果您對波動率感興趣，相關論文是 Dennis Yang 和 Qiang Zhang 的“基於高、低、開盤和收盤價的 Drift-Independent Volatility Estimation”，The Journal of Business，Vol. 73，第 3 期（2000 年 7 月），第 477-492 頁。這建立在上面提到的 Parkinson (1980) 的早期 HLC 波動率估計之上。

OHLC 數據的另一個應用是檢測價格是否在某個時間間隔內越過某個水平 K（儘管它不會告訴您在該時間間隔內的什麼時間越過該水平）。

引用自：https://quant.stackexchange.com/questions/29496