सामग्री पर जाएं
लाइब्रेरी के सभी दस्तावेज़

ऑप्शन-आधारित रफ अस्थिरता अनुमान HAR पूर्वानुमान सुधारते हैं

लेख arXiv papers · लेखक: Zheqi Fan et al.
मूल स्रोत पढ़ें

सारांश

यह अध्ययन पूछता है कि कारोबार किए गए ऑप्शनों से निकाले गए स्पॉट अस्थिरता के अनुमान वास्तविक अस्थिरता के पूर्वानुमान बेहतर कर सकते हैं या नहीं। यह वास्तविक अस्थिरता के हेटरोजीनियस ऑटोरेग्रेसिव मॉडल में रफ स्टोकास्टिक अस्थिरता का अनुमान जोड़ता है, जिसे पहले के कार्य पर आधारित पुनरावृत्त दो-चरणीय प्रक्रिया से निकाला जाता है। बड़े ऑप्शन पैनल पर अनुमान तेज़ करने के लिए डीप लर्निंग सरोगेट का उपयोग किया गया है।

संवर्धित HAR-RV-आरहेस्टन विनिर्देश की तुलना पारंपरिक स्टोकास्टिक अस्थिरता मॉडलों—जिनमें हेस्टन, बेट्स और SVCJ शामिल हैं—तथा VIX सूचकांक से की गई है। रिपोर्ट किए गए नतीजों में दैनिक वास्तविक अस्थिरता पूर्वानुमान की सटीकता बेहतर है और यह बेहतर प्रदर्शन एक महीने तक की अवधियों में बना रहता है। दस्तावेज़ पूर्वानुमानों की तुलना प्रस्तुत करता है, लेकिन डेटा अवधि, मूल्यांकन माप या सांख्यिकीय महत्त्व नहीं बताता; इसलिए केवल इस सारांश से रिपोर्ट किए गए लाभों की मजबूती और व्यापकता नहीं आँकी जा सकती।

मुख्य विचार

  • मॉडल जाँचता है कि ऑप्शन से अनुमानित स्पॉट अस्थिरता HAR वास्तविक-अस्थिरता मॉडल में पूर्वानुमान मूल्य जोड़ती है या नहीं।
  • रफ स्टोकास्टिक अस्थिरता मॉडल के तहत पुनरावृत्त दो-चरणीय विधि से स्पॉट अस्थिरता का अनुमान लगाया जाता है।
  • डीप लर्निंग सरोगेट बड़े ऑप्शन पैनल से अनुमान तेज़ करता है।
  • संवर्धित मॉडल की तुलना हेस्टन, बेट्स, SVCJ और VIX से की गई है।
  • रिपोर्ट किए गए पूर्वानुमान सुधार दैनिक अनुमानों से लेकर एक महीने तक की अवधियों में दिखते हैं।

टैग

ऑप्शंसअस्थिरतामशीन लर्निंगसांख्यिकीडेरिवेटिव का मूल्य निर्धारण
पूरा पाठ
# On options-driven realized volatility forecasting: Information gains via rough volatility model


# On options-driven realized volatility forecasting: Information gains via rough volatility model









We examine whether model-based spot volatility estimators extracted from traded options data enhance the predictive power of the Heterogeneous Autoregressive (HAR) model for realized volatility. Specifically, we infer spot volatility under the rough stochastic volatility model via an iterative two-step approach following Andersen et al. (2015a) and adopt a deep learning surrogate to accelerate model estimation from large-scale options panels. Benchmarked against traditional stochastic volatility models (Heston, Bates, SVCJ) and the VIX index, our results demonstrate that the augmented HAR-RV-RHeston model improves daily realized volatility forecasting accuracy and sustains superior performance across horizons up to one month.

स्रोत के लाइसेंस के तहत श्रेय सहित पूरा पाठ दिखाया गया है। लाइसेंस: abstract CC0

यह सारांश मूल स्रोत के आधार पर Stratmill के शोध एजेंट ने लिखा है; यह स्रोत की प्रति नहीं है।