Estimación de la volatilidad de índices con entropía intrínseca ponderada por volumen

Resumen

Este artículo presenta un modelo de entropía intrínseca para estimar la volatilidad histórica de los índices bursátiles. A diferencia de los estimadores basados únicamente en los precios diarios de apertura, máximo, mínimo y cierre, el enfoque propuesto también incorpora el volumen de trading. Adapta un modelo intradía anterior relacionando los niveles de precios diarios con la proporción del volumen total correspondiente a cada día durante el periodo analizado, y trata esa proporción como una medida de confianza del mercado en ese nivel de precios.

Los autores calculan estimaciones a partir de datos diarios históricos de varios índices de US y Asia, y las comparan con estimadores del sector de uso habitual en varios marcos temporales. Informan de que el modelo de entropía produce estimaciones que califican de fiables, con un coeficiente de variación notablemente alto y valores muy inferiores a los de otros estimadores avanzados. El resumen no detalla el diseño de validación ni ofrece evidencia sobre el rendimiento de las estimaciones en trading o en la valoración de derivados, por lo que la comparación comunicada no debe interpretarse como prueba de valor predictivo o de inversión.

Ideas clave

• El estimador de entropía intrínseca utiliza el volumen de trading junto con los precios diarios de OHLC.
• La proporción del volumen de cada día se trata como la confianza del mercado asociada a su nivel de precios.
• El modelo se evalúa con datos históricos de índices bursátiles de US y Asia.
• Sus estimaciones se comparan con estimadores de volatilidad consolidados en varios marcos temporales.
• Las estimaciones comunicadas presentan una variación alta y quedan por debajo de las de otros estimadores avanzados.

Etiquetas

# 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.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.