Most Efficient Homogeneous Volatility Estimators
我们提出了一个全面的理论齐次波动率(和方差)估计的任意随机过程,充分利用OHLC(开,高,低,关闭)的价格。为此,我们开发了最有效的逐点齐次OHLC波动率估计,适用于任何价格过程的理论。我们引入了“准无偏估计”,它可以解决任何类型的理想约束。我们的理论的主要工具是简约编码的所有信息中包含的OHLC价格为一个给定的时间间隔的形式的联合分布的高-开,低-开和关闭-开值,其解析表达式推导出正是维纳过程的漂移。可以计算分布以产生与基础对数价格随机过程的任何统计特性相关联的最有效的估计。应用到维纳过程的日志价格漂移,我们提供了明确的解析表达式的最有效的逐点波动率和方差估计,基于高负开,低负开和关闭负开值的联合分布的解析表达式。与Garman-Klass、Roger-Satellite和极大似然估计相比,新估计的效率更高。
2009-08-12 q-fin.RM q-fin.ST
Nonparametric methods for volatility density estimation
金融过程的随机波动率模型已经变得越来越流行。所提出的模型通常包含一个平稳的波动过程。我们将激励和审查几个非参数方法估计的波动率过程的密度。这两个模型的基础上离散采样连续时间过程和离散时间模型将进行讨论。分析的关键见解是将波动率密度估计问题转换为标准方法存在的反卷积模型。综述了三种非参数密度估计:傅立叶型反卷积核密度估计、小波反卷积密度估计和惩罚投影估计。这些估计的性能进行比较。关键词:随机波动模型,反褶积,密度估计,核估计,小波,最小对比估计,混合
2009-10-27 math.ST q-fin.ST stat.ME
Realized wavelet-based estimation of integrated variance and jumps in the presence of noise
我们引入基于小波的方法估计实现方差允许其测量的时间-频率域。利用光滑小波和最大重叠离散小波变换,我们允许实现方差分解成几个投资期限和跳跃。基于我们的估计在两尺度实现方差框架,我们能够利用所有可用的数据,并得到可行的估计存在的微观结构噪声以及。估计量进行了测试,在一个大的数值研究的有限样本的性能,并与其他流行的实现变差估计。在不同的价格过程中,包括长记忆分数随机波动率模型,我们使用不同的模拟设置,改变噪声以及跳跃水平。结果表明,我们的基于小波的估计是能够估计和预测实现的措施,以最大的精度。我们的时频估计器不仅产生可行的估计,而且还将实现的变化分解为任意选择的投资期限。我们应用它来研究在最近的金融危机中,外汇期货的波动性在几个投资期限,并获得的结果,为我们提供了更好的理解波动的动态。
2013-02-07 q-fin.CP q-fin.ST
Range-Based Volatility Estimators for Monitoring Market Stress: Evidence from Local Food Price Data
Data Group, World Bank(世界银行数据组)
本文提出基于OHLC的波动性估计器,用于监测市场压力,通过分析本地食品价格数据,发现波动性能检测到标准指标遗漏的冲击,适用于金融风险、人道主义预警和贸易应用。
2026-03-03 econ.EM q-fin.ST stat.AP
Volatility of Volatility and Leverage Effect from Options
本文基于短期期权高频数据,提出无模型非参数估计量以识别波动率的波动率及杠杆效应,并构造无需预知主导误差来源的可行推断方法。
2024-01-23 econ.EM math.ST q-fin.MF
Parametric estimation of hidden stochastic model by contrast minimization and deconvolution: application to the Stochastic Volatility Model
我们研究了一种新的参数方法,特别是隐藏的随机模型,如随机波动率模型。该方法基于对比度最小化和去卷积。在证明了估计的渐近置信区间的一致性和渐近正态性后,我们提供了一个彻底的数值研究,比较了在实践中使用的大多数经典方法(拟极大似然估计,模拟期望最大化似然估计和贝叶斯估计)。我们证明,我们的估计显然优于极大似然估计的计算时间,但也大多数其他方法。我们还表明,这种对比度的方法是最强大的非高斯误差,也不需要任何调整参数。
2013-03-14 q-fin.ST stat.AP
Method of Moments Estimation for Affine Stochastic Volatility Models
该研究针对仿射随机波动率模型的参数估计问题,提出基于递推方程推导任意阶矩闭式表达式的矩估计方法,证明其中心极限定理并给出渐近协方差矩阵显式公式,通过数值实验验证了方法的有效性。
2024-08-17 econ.EM q-fin.ST
The Cross-Sectional Intrinsic Entropy. A Comprehensive Stock Market Volatility Estimator
考虑到股票市场不确定性的时间维度,本文引入了一种基于内在熵模型的股票市场波动率的横截面估计。建议的横截面内在熵(CSIE)的定义和计算作为一个每日波动率估计整个市场,根据每日交易价格:开盘价,最高价,最低价,收盘价(OHLC),以及每日交易量的所有符号上市的纽约证券交易所(NYSE)和全国证券交易商协会自动报价(NASDAQ)。我们对从CSIE获得的时间序列和由估计器提供的历史波动率进行比较分析:接近收盘价,帕金森,加曼-克拉斯,罗杰斯-萨特,杨-张,和内在熵(IE),定义和计算的历史OHLC每日价格的标准普尔500指数(S&P500),道琼斯工业平均指数(DJIA),和纳斯达克综合指数,分别用于不同的时间间隔。我们的研究使用了大约6000天的参考点,从2001年1月1日开始,直到2022年1月23日,对于纽约证券交易所和纳斯达克。我们发现,CSIE市场波动率估计始终是至少10倍以上的敏感性,市场变化相比,通过市场指数捕捉的波动率估计。此外,贝塔值证实了整体市场指数的波动性风险始终较低,与整个市场在不同时间间隔和滚动窗口的波动性风险相比,低50%至90%。
2022-04-29 q-fin.GN q-fin.MF q-fin.ST
Asymptotic equivalence and sufficiency for volatility estimation under microstructure noise
金融中的高频数据的基本模型被认为是一个有效的价格过程中观察到的微观结构噪声。它表明,这个非参数模型是在Le Cam的意义下渐近等价于高斯移位实验的波动函数$σ$的平方根。作为应用,构造了简单的波动率最优估计和综合波动率的有效估计。
2010-01-18 math.PR math.ST q-fin.ST
Statistical inference for rough volatility: Central limit theorems
本文在半参数框架下基于高频价格数据提出粗糙波动率模型中Hurst参数的一致渐近混合正态估计量,不依赖波动率估计量与真实波动率的先验关系,并达到极小极大最优收敛速率。
2024-06-14 math.ST q-fin.ST stat.TH
Are volatility estimators robust with respect to modeling assumptions?
我们认为微观结构是潜在证券价格的任意污染,通过马尔可夫核$Q$。特殊情况包括加性误差、舍入及其组合。我们的主要结果是,平滑条件下,两个尺度已实现波动率率是强大的污染形式$Q$。为了推动我们的结果的极限,我们展示了一些涉及舍入的模型(当然,这不是平滑的)会发生什么,并看到在这种情况下,鲁棒性如何随着平滑度的降低而恶化。我们的结论是,在合理的平滑,人们不需要考虑太密切的微观结构是如何形成的,而如果严重的非平滑怀疑,人们需要注意的精确结构,以及使用的波动率估计将投入。
2007-09-04 math.ST q-fin.ST stat.TH
Kernel Estimation of Spot Volatility with Microstructure Noise Using Pre-Averaging
我们首先回顾的问题,估计现货波动率的伊藤半鞅使用核估计。证明了一般双边核的一个具有最优收敛速度的中心极限定理。接下来,我们引入了一个新的预平均/核估计现货波动率处理超高频观测的微观结构噪声。我们证明了一个中心极限定理的估计误差的最佳率和研究的最佳选择的带宽和核函数。我们表明,预平均/内核估计的渐近方差是最小的指数内核,因此,证明需要与内核的无界支持在这项工作中提出的。我们还开发了一个可行的实现建议的估计与最佳带宽。蒙特卡罗实验证实了所设计的方法的优越性能。
2022-02-07 econ.EM math.ST q-fin.ST
Estimating the roughness exponent of stochastic volatility from discrete observations of the integrated variance
University of Waterloo(滑铁卢大学)
本文提出一种基于离散观测积分方差的简单估计器,用于估计随机波动率过程的粗糙度指数,通过路径性分析证明其一致性,并展示其在粗糙波动模型中的应用。
2026-04-16 math.PR math.ST q-fin.ST
Is Volatility Rough ?
粗糙波动率模型是连续时间随机波动率模型,其中波动率过程由Hurst参数小于一半的分数布朗运动驱动,自从一篇名为《波动性是粗糙的》的开创性论文发表以来,2014年发表在SSRN上的一篇文章显示,主要股票指数的对数已实现波动率时间序列与这种粗糙分数布朗运动具有相同的标度特性议案有。然而,我们发现,通过模拟,令人印象深刻的方法往往建议相同的粗糙度,无论波动率实际上是粗糙与否,一个被忽视的潜在波动率的估计误差往往会导致一个虚幻的标度属性。受这一初步发现的启发,我们在这里发展了连续时间分数随机波动率模型的统计理论,以检验Hurst参数是否确实被估计为小于一半,即波动率是否真的很粗糙。我们构造了一个拟似然估计,并将其应用于已实现波动率时间序列。我们的拟似然是基于已实现波动率的误差分布和对数波动率过程的自协方差的惠特尔型近似。我们证明了我们的估计在高频渐近下的一致性,并通过模拟来检验其有限样本性能。我们的实证研究表明,波动率确实是粗糙的,实际上它甚至比文献中考虑的更粗糙。
2019-05-17 math.ST q-fin.ST stat.TH
Asymptotic analysis for a simple explicit estimator in Barndorff-Nielsen and Shephard stochastic volatility models
本文对离散观测的Barndorff-Nielsen和Shephard模型给出了一个简单的显式估计,在方差过程的平稳分布的所有矩都是有限的这一单一假设的基础上,证明了严格的相合性和渐近正态性,并给出了渐近协方差矩阵的显式表达式.本文详细讨论了一类非扩散但允许跳的二元模型的鞅估计函数方法。我们不使用遍历性论证。我们假设对数收益率和瞬时方差都在一个固定宽度的离散网格上被观测到,并且观测范围趋于无穷大。由于瞬时方差在实际中是不可观测的,我们的结果不能立即应用。我们的目的是提供一个理论分析的起点和基准,进一步发展有关的最优鞅估计函数,理论和实证研究,取代方差过程的替代品,如数量或交易量或隐含的方差从期权数据。
2008-07-22 math.PR math.ST q-fin.ST
Comparative statistics of Garman-Klass, Parkinson, Roger-Satchell and bridge estimators
比较统计特性的帕金森,Garman-Klass,Roger-Satellite和桥振荡估计进行了讨论。考虑了与上述估计相关的点估计和区间估计
2012-02-20 q-fin.RM q-fin.ST
Efficient asymptotic variance reduction when estimating volatility in high frequency data
本文展示了在存在随机波动率和微观结构噪声的情况下,如何使用来自[Barndorff-Nielsen et al.,2008]和[Xiu,2010]中研究的拟最大似然估计(QMLE)。为了获得这样的减少,我们将数据分割成B个块,计算每个块的RK(或QMLE),并聚合块估计。当B增加到问题的参数版本中的比率时,渐近方差与渐近效率的界限的比率收敛,即在最快的RK Tukey-Hanning 16和QMLE的情况下为1.0025。仔细研究了随机抽样时间和价格过程中的跳跃的影响。两种估计的有限样本性能进行了研究,在模拟中,而实证工作说明了在实践中的增益。
2018-06-27 q-fin.ST stat.AP
Stochastic leverage effect in high-frequency data: a Fourier based analysis
随机杠杆效应定义为收益率与其相关波动率之间的标准化协变,在一个随机波动率模型中进行了分析。一种新的估计的效果定义使用的傅立叶系数的回报率和波动过程的预估计。证明了估计量的相合性。此外,它的有限样本性质的存在下的微结构噪声效应进行了研究。傅立叶方法应用于标准普尔500指数期货价格调查的随机杠杆效应的大小检测在高频。
2021-03-08 q-fin.ST q-fin.TR
A GMM approach to estimate the roughness of stochastic volatility
Aarhus University(奥胡斯大学);Imperial College London(伦敦帝国学院)
本文提出了一种基于GMM的随机波动粗糙度估计方法,通过控制测量误差影响,展示了在高频数据中估计Hurst指数的稳健性。
2026-01-15 math.ST q-fin.ST stat.TH
Time-Bridge Estimators of Integrated Variance
我们提出了一组对数价格综合方差估计,等于开放的高,低,关闭的桥梁估计的现货方差在$n$后续的时间步长间隔的总和。一些介绍的估计的主要特点是考虑到高和低的值的发生时间的信息。与原始过程相关的桥的高和低的使用使得估计量显著地比标准实现方差估计量及其推广更有效。添加的高和低的值的发生时间的信息,进一步提高了估计的效率,远高于那些著名的实现方差估计量和来自Garman和Klass现场方差估计量的总和。精确的分析结果推导出的情况下,基本的日志价格过程是伊藤随机过程。我们的研究结果表明,更有效的方法来记录金融价格在中频。
2011-08-12 q-fin.ST q-fin.TR
Moment Methods for Exotic Volatility Derivatives
最新一代的波动率衍生品超越了方差和波动率互换,并探索了我们对基础股票价格过程中的已实现方差和逗留时间进行定价的能力。在本文中,我们给出了一个算子代数处理这个问题的基础上戴森展开和矩方法,并讨论了应用到奇异波动率衍生品。该方法是相当灵活的,并允许一个规范的基本过程,这是半参数,甚至非参数,包括状态相关的局部波动,跳跃,随机波动率和状态转换。我们发现,波动率衍生品是特别适合与矩的方法来处理,其中一个外推的基础上的几个时刻的相关路径泛函的分布。我们考虑了方差剔除、条件走廊方差互换、伽马互换和方差互换等一些奇异的交易,并给出了详细的估值公式。
2007-10-16 math.GN math.PR q-fin.ST
Joint analysis and estimation of stock prices and trading volume in Barndorff-Nielsen and Shephard stochastic volatility models
我们引入了Barndorff-Nielsen和Shephard随机波动率模型的一个变体,其中非高斯Ornstein-Uhlenbeck过程描述了交易强度的一些度量,如交易量或交易次数,而不是不可观察的瞬时方差。在一个非扩散但允许跳跃的二元模型中,我们基于鞅估计函数给出了一个显式估计。假设这两个量都是在固定宽度的离散网格上观测的,并且观测视界趋于无穷大。我们证明了估计量是相合的和渐近正态的,并给出了渐近协方差矩阵的显式表达式。我们的方法是通过有限样本实验和统计分析,在纽约证券交易所(NYSE)的国际商业机器公司(IBM)的股票和微软公司(MSFT)的股票在纳斯达克上市的五年的历史。
2008-10-13 math.PR math.ST q-fin.ST
The Fourier estimation method with positive semi-definite estimators
本文对连续Itô半鞅的现货波动率(矩阵)过程的Fourier估计方法作了一点改进,其中估计量总是非负定的。由于对估计量进行了因子分解,大大节省了计算量。
2014-10-01 math.ST q-fin.ST stat.TH
Estimation of the instantaneous volatility
本文研究了随机波动率模型$dX_t=a_tdt+σ_tdW_t$中波动率过程的估计,其中$X$表示对数价格,$σ$是一个cadlàg半鞅.在最近的一系列工作的精神,估计的累积波动率,我们在这里专注于瞬时波动率,我们研究的估计量建立的有限差分的\textit{power variations}的日志价格。我们提供了中心极限定理与最佳速率取决于本地的行为$σ$。特别地,这些定理给出了$σ_t$的一些置信区间。
2010-09-07 math.PR math.ST q-fin.ST
Robust Estimation of Realized Correlation: New Insights about Intraday Fluctuations in Market Betas
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校);Goldman Sachs(高盛)
本文提出一种基于符号信息的子抽样象限相关估计量,兼顾稳健性与效率,实证发现美股市场贝塔的日内变化主要由相关性变化驱动。
2026-09-25 econ.EM q-fin.ST stat.AP
Inference for Volatility Functionals of Multivariate Itô Semimartingales Observed with Jump and Noise
在高频噪声背景下,给出了一般多变量Itô半鞅非线性波动泛函的非参数推断.预平均和截断使得能够同时处理噪声和跳跃。二阶展开揭示了显式偏差和偏差校正的途径。基于此框架的估计器实现了最优的收敛速度。在渐近协方差阵可估计的条件下,得到了一类稳定的中心极限定理。本文为实现的拉普拉斯变换、实现的主成分分析、连续时间线性回归和广义积分矩法等的填充渐近结果奠定了基础,从而有助于将应用范围扩展到更频繁采样的噪声数据。
2019-11-06 math.ST q-fin.ST stat.ME
A Bayesian GED-Gamma stochastic volatility model for return data: a marginal likelihood approach
几项研究探讨了基于随机波动率(SV)模型的推断,同时考虑到回报数据的程式化事实。常见的问题是,许多波动率模型的潜在参数是高维的,并且在分析上难以处理,这意味着推断需要使用例如马尔可夫链蒙特卡罗或拉普拉斯方法进行近似。一些SV模型被表示为线性高斯状态空间模型,其导致边际似然,从而降低问题的维度。其他的不线性化,并且潜在参数被整合出来。然而,这些提出了一个相当严格的演化方程。因此,我们提出了一个贝叶斯GED-Gamma SV模型,其直接边际似然是广义学生t分布的产物,其中潜在状态通过平稳高斯演化方程随时间变化。然后,对对数精度/波动率的先验分布进行近似,而不需要模型线性化。这也允许计算边缘似然函数,其中高维潜在状态被整合出来,并且使用平滑过程容易地在块中采样。此外,我们的GED伽马模型的扩展很容易将斜重尾分布。我们使用贝叶斯估计的静态参数的推断,并进行了模拟研究的估计的几个性质。我们的结果表明,所提出的模型可以合理地估计。此外,我们还提供了巴西资产和英镑/美元汇率的案例研究,以显示我们的方法在拟合和预测方面的性能。关键词:SV模型,新的序列和平滑程序,广义学生t分布,非高斯误差,重尾,偏度
2018-08-23 q-fin.ST stat.OT