Volatilidad rugosa, modelos estocásticos fraccionarios y previsión

Resumen

El documento utiliza datos recientes de alta frecuencia para estudiar la suavidad con la que cambia la volatilidad a lo largo del tiempo. Informa de que la log-volatilidad se comporta aproximadamente como un movimiento browniano fraccionario con un exponente de Hurst muy bajo en escalas temporales habituales. A partir de ello, los autores adoptan un marco de volatilidad estocástica fraccionaria con un exponente inferior a un medio, al que llaman Rough FSV.

Se describe que el modelo es coherente con las series temporales financieras y mejora las previsiones de volatilidad realizada. El análisis también explica por qué las pruebas convencionales de persistencia pueden confundir los datos de un proceso de volatilidad rugosa con memoria larga, aunque el propio modelo no tiene memoria larga. Una explicación propuesta desde la microestructura relaciona la rugosidad con el trading de alta frecuencia y el fraccionamiento de órdenes. El fragmento no ofrece conjuntos de datos, comparativas de previsión ni medidas numéricas de rendimiento, por lo que aquí no se pueden evaluar de forma independiente las mejoras comunicadas ni su alcance.

Ideas clave

• El estudio concluye que la log-volatilidad presenta un comportamiento fraccionario rugoso con un exponente de Hurst bajo.
• El modelo Rough FSV propuesto utiliza un exponente inferior a un medio.
• Los autores informan de mejores previsiones de volatilidad realizada, pero el fragmento no detalla las comparativas.
• Las pruebas estándar de persistencia pueden sugerir memoria larga incluso cuando los datos proceden de un modelo de volatilidad rugosa.
• El documento relaciona la rugosidad de la volatilidad con la negociación de alta frecuencia y el fraccionamiento de órdenes.

Etiquetas

# Volatility is rough


# Volatility is rough









Estimating volatility from recent high frequency data, we revisit the question of the smoothness of the volatility process. Our main result is that log-volatility behaves essentially as a fractional Brownian motion with Hurst exponent H of order 0.1, at any reasonable time scale. This leads us to adopt the fractional stochastic volatility (FSV) model of Comte and Renault. We call our model Rough FSV (RFSV) to underline that, in contrast to FSV, H<1/2. We demonstrate that our RFSV model is remarkably consistent with financial time series data; one application is that it enables us to obtain improved forecasts of realized volatility. Furthermore, we find that although volatility is not long memory in the RFSV model, classical statistical procedures aiming at detecting volatility persistence tend to conclude the presence of long memory in data generated from it. This sheds light on why long memory of volatility has been widely accepted as a stylized fact. Finally, we provide a quantitative market microstructure-based foundation for our findings, relating the roughness of volatility to high frequency trading and order splitting.

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.