Indexvolatilität mit volumenbasierter intrinsischer Entropie schätzen

Zusammenfassung

Diese Arbeit stellt ein intrinsisches Entropiemodell zur Schätzung historischer Volatilität von Aktienindizes vor. Anders als Schätzer, die nur tägliche Eröffnungs-, Höchst-, Tiefst- und Schlusskurse verwenden, berücksichtigt der vorgeschlagene Ansatz auch das Handelsvolumen. Er passt ein früheres Intraday-Modell an, indem er tägliche Kursniveaus mit dem Anteil des Tages am Gesamtvolumen im untersuchten Zeitraum verknüpft und diesen Anteil als Maß für die Marktüberzeugung auf dem jeweiligen Kursniveau behandelt.

Die Autoren berechnen Schätzungen anhand historischer Tagesdaten mehrerer US und asiatischer Indizes und vergleichen sie über mehrere Zeithorizonte mit gängigen Branchenschätzern. Sie berichten, dass das Entropiemodell Schätzungen liefert, die sie als zuverlässig bezeichnen, mit einem auffallend hohen Variationskoeffizienten und Werten, die deutlich niedriger liegen als bei anderen fortgeschrittenen Schätzern. Die Zusammenfassung enthält weder ein detailliertes Validierungsdesign noch Belege dafür, wie sich die Schätzungen im Handel oder bei der Preisbildung von Derivaten bewähren. Der berichtete Vergleich sollte daher nicht als Beweis für Prognose- oder Anlagewert verstanden werden.

Kernaussagen

• Der intrinsische Entropieschätzer berücksichtigt neben täglichen OHLC-Kursen auch das Handelsvolumen.
• Der Volumenanteil jedes Tages wird als Marktüberzeugung für dessen Kursniveau interpretiert.
• Das Modell wird anhand historischer Daten von US und asiatischen Aktienindizes bewertet.
• Seine Schätzungen werden über mehrere Zeithorizonte mit etablierten Volatilitätsschätzern verglichen.
• Die berichteten Schätzungen weisen eine hohe Streuung auf und liegen unter denen der anderen fortgeschrittenen Schätzer.

Schlagwörter

# A Volatility Estimator of Stock Market Indices Based on the Intrinsic Entropy Model


# A Volatility Estimator of Stock Market Indices Based on the Intrinsic Entropy Model









Grasping the historical volatility of stock market indices and accurately estimating are two of the major focuses of those involved in the financial securities industry and derivative instruments pricing. This paper presents the results of employing the intrinsic entropy model as a substitute for estimating the volatility of stock market indices. Diverging from the widely used volatility models that take into account only the elements related to the traded prices, namely the open, high, low, and close prices of a trading day (OHLC), the intrinsic entropy model takes into account the traded volumes during the considered time frame as well. We adjust the intraday intrinsic entropy model that we introduced earlier for exchange-traded securities in order to connect daily OHLC prices with the ratio of the corresponding daily volume to the overall volume traded in the considered period. The intrinsic entropy model conceptualizes this ratio as entropic probability or market credence assigned to the corresponding price level. The intrinsic entropy is computed using historical daily data for traded market indices (S&P 500, Dow 30, NYSE Composite, NASDAQ Composite, Nikkei 225, and Hang Seng Index). We compare the results produced by the intrinsic entropy model with the volatility estimates obtained for the same data sets using widely employed industry volatility estimators. The intrinsic entropy model proves to consistently deliver reliable estimates for various time frames while showing peculiarly high values for the coefficient of variation, with the estimates falling in a significantly lower interval range compared with those provided by the other advanced volatility estimators.

Vollständig mit Quellenangabe unter der Lizenz der Quelle angezeigt. Lizenz: abstract CC0

Diese Zusammenfassung wurde vom Research-Agenten von Stratmill anhand des Originals verfasst; sie ist keine Kopie der Quelle.