Sparsame Hochfrequenzschätzung der Volatilität mit Wendepunkterkennung

Zusammenfassung

Diese Arbeit entwickelt sparsame Hochfrequenzschätzer für Volatilität, die auch bei abrupten Änderungen der Spotvolatilität robust bleiben sollen. Die vorgeschlagenen Schätzer wenden eine ℓ1-Strafe auf bestehende Verfahren an und konzentrieren sich auf Schätzer der Potenzvariation, eine grundlegende Klasse zur Messung von Volatilität. Die Autoren weisen Konsistenz für die Schätzung sowohl der zugrunde liegenden, unbeobachteten Volatilität als auch der Positionen ihrer Wendepunkte nach; für bestimmte Schätzer werden Minimax-Raten erreicht.

Zur Berechnung schätzt das Verfahren mögliche Änderungen mit einer Least-Angle-Regression und verfeinert anschließend ihre Anzahl mit einem reduzierten dynamischen Programmierungsschritt. Die numerischen Ergebnisse werden als schnell beschrieben und sollen Wendepunkte gegen Ende einer Stichprobe präzise erkennen. Für Prognosen außerhalb der Stichprobe berichten die Autoren glattere und realistischere Volatilitätsprognosen sowie eine bessere Leistung als eine breite Auswahl klassischer und neuerer Alternativen über verschiedene Stichprobenfrequenzen und Prognosehorizonte. Die Beschreibung nennt keine konkreten Datensätze, Benchmarks oder numerischen Leistungswerte, was eine unabhängige Beurteilung des Vergleichs erschwert.

Kernaussagen

• Die Schätzer verwenden eine ℓ1-Regularisierung, um Hochfrequenzschätzungen der Volatilität sparsam und robust gegenüber abrupten Änderungen zu machen.
• Die Arbeit untersucht Schätzer der Potenzvariation und weist Konsistenz für Volatilität und Wendepunktpositionen nach.
• Eine Least-Angle-Regression findet mögliche Änderungen; eine reduzierte dynamische Programmierung verfeinert deren Anzahl.
• Die Autoren berichten eine präzise Erkennung später Wendepunkte und verbesserte Prognosen außerhalb der Stichprobe über verschiedene Frequenzen und Horizonte.

Schlagwörter

# High-Frequency Volatility Estimation with Fast Multiple Change Points Detection


# High-Frequency Volatility Estimation with Fast Multiple Change Points Detection









We propose a method for constructing sparse high-frequency volatility estimators that are robust against change points in the spot volatility process. The estimators we propose are $\ell_1$-regularized versions of existing volatility estimators. We focus on power variation estimators as they represent a fundamental class of volatility estimators. We establish consistency of these estimators for the true unobserved volatility and the change points locations, showing that minimax rates can be achieved for particular volatility estimators. The new estimators utilize the computationally efficient least angle regression algorithm for estimation purposes, followed by a reduced dynamic programming step to refine the final number of change points. In terms of numerical performance, these estimators are not only computationally fast but also accurately identify breakpoints near the end of the sample, both features highly desirable in today's electronic trading environment. In terms of out-of-sample volatility prediction, our new estimators provide more realistic and smoother volatility forecasts, outperforming a broad range of classical and recent volatility estimators across various frequencies and forecasting horizons.

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.