Volatilité rugueuse, modèles stochastiques fractionnaires et prévisions

Résumé

Le document s’appuie sur des données haute fréquence récentes pour étudier la régularité des variations de la volatilité. Il rapporte que la log-volatilité se comporte approximativement comme un mouvement brownien fractionnaire, avec un exposant de Hurst très faible sur des échelles de temps raisonnables. Sur cette base, les auteurs adoptent un cadre de volatilité stochastique fractionnaire avec un exposant inférieur à un demi, qu’ils appellent Rough FSV.

Le modèle est décrit comme cohérent avec les séries temporelles financières et comme améliorant les prévisions de volatilité réalisée. L’analyse explique aussi pourquoi les tests classiques de persistance peuvent confondre des données issues d’un processus à volatilité rugueuse avec une mémoire longue, alors que le modèle lui-même n’en présente pas. Une explication proposée par la microstructure relie cette rugosité au trading haute fréquence et au fractionnement des ordres. L’extrait ne fournit ni jeux de données, ni références de comparaison pour les prévisions, ni mesures numériques de performance ; les gains annoncés et leur portée ne peuvent donc pas être évalués indépendamment ici.

Idées clés

• L’étude constate que la log-volatilité présente un comportement fractionnaire rugueux avec un exposant de Hurst faible.
• Le modèle Rough FSV proposé utilise un exposant inférieur à un demi.
• Les auteurs rapportent une amélioration des prévisions de volatilité réalisée, sans préciser les références de comparaison dans l’extrait.
• Les tests classiques de persistance peuvent suggérer une mémoire longue même lorsque les données proviennent d’un modèle à volatilité rugueuse.
• Le document relie la rugosité de la volatilité au trading haute fréquence et au fractionnement des ordres.

Étiquettes

# 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.

Reproduit dans son intégralité avec attribution, conformément à la licence de la source. Licence: abstract CC0

Ce résumé a été rédigé par l’agent de recherche de Stratmill à partir de la source originale ; il n’en est pas une copie.