تنظیم ساعت‌های تصادفی برای مدل‌سازی چولگی و دنباله بازده
خلاصه
این مقاله ساعت‌های تصادفی تنظیم‌شده را برای مدل‌های مالی زمان‌پیوسته پیشنهاد می‌کند تا فعالیت معاملاتی را بازنمایی و به ثبت بازده‌های نامتقارن و دنباله‌سنگین کمک کنند. این روش ساعت‌های ساخته‌شده از زیرمجموعه‌سازهای لوی، یا فرایندهای کلی‌تری با افزایش‌های مستقل نامنفی را، با استفاده از هسته‌هایی مبتنی بر میانگین‌گیری مکرر تغییر می‌دهد. پارامتر تنظیم، درجه تعدیل را کنترل می‌کند، بی‌آنکه تعداد معاملات را کاهش دهد یا شدت معاملات را تغییر دهد.
نویسندگان تبدیل‌های لاپلاس، سه‌تایی‌های مشخصه و کمیت‌های تجمعی را تحلیل می‌کنند؛ این روش‌ها می‌توانند در برآورد، کالیبراسیون اختیار معامله و شبیه‌سازی به کار روند. آنان رویه برآورد مبتنی بر گشتاور با درست‌نمایی پروفایلی را برای مدل‌های منتخبِ پرش-پخش و پایدارِ تعدیل‌شده توسعه می‌دهند و سپس بازده‌های روزانه S&P 500 و بیت‌کوین را بررسی می‌کنند. تحلیل تجربی به‌عنوان شاهدی بر آثار مطلوب ارائه شده است، اما بخش نقل‌شده نتایج یا اندازه آن‌ها را مشخص نمی‌کند. این رویکرد همچنین به خانواده‌های ساعت و فرض‌های مدل انتخاب‌شده وابسته است.
ایده‌های کلیدی
- هدف ساعت‌های تصادفی تنظیم‌شده، ثبت نامتقارنی و ریسک دنباله‌ای بازده‌هاست.
- انتخاب هسته‌ها، فرایندهای دارای افزایش مستقل نامنفی را بدون تغییر شدت معاملات یا تعداد معاملات تنظیم می‌کند.
- یک ابرپارامتر تنظیم را کنترل می‌کند و می‌تواند دامنه گسترده‌ای از چولگی و کشیدگی اضافی ایجاد کند.
- این چارچوب شامل مشخصه‌یابی نظری، برآورد، کالیبراسیون اختیار معامله و کاربردهای شبیه‌سازی است.
- مطالعه تجربی از بازده‌های روزانه S&P 500 و بیت‌کوین استفاده می‌کند.
برچسب‌ها
متن کامل
# Regulating stochastic clocks # Regulating stochastic clocks Stochastic clocks represent a class of time change methods for incorporating trading activity into continuous-time financial models, with the ability to deal with typical asymmetrical and tail risks in financial returns. In this paper we propose a significant improvement of stochastic clocks for the same objective but without decreasing the number of trades or changing the trading intensity. Our methodology targets any Lévy subordinator, or more generally any process of nonnegative independent increments, and is based on various choices of regulating kernels motivated from repeated averaging. By way of a hyperparameter linked to the degree of regulation, arbitrarily large skewness and excess kurtosis of returns can be easily achieved. Generic-time Laplace transforms, characterizing triplets, and cumulants of the regulated clocks and subsequent mixed models are analyzed, serving purposes ranging from statistical estimation and option price calibration to simulation techniques. Under specified jump--diffusion processes and tempered stable processes, a robust moment-based estimation procedure with profile likelihood is developed and a comprehensive empirical study involving S\&P500 and Bitcoin daily returns is conducted to demonstrate a series of desirable effects of the proposed methods.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.