始値・高値・安値・終値から確率的ボラティリティを推定
記事 arXiv papers · 著者: Abel Rodriguez et al.
サマリー
本論文は、各期間の始値と終値に加えて観測された高値と安値を使う確率的ボラティリティモデルを開発します。期間内の極端な価格には、終値同士の観測では捉えられないボラティリティ情報が含まれ得ることを動機としています。これら4つの価格指標を用いて資産価格のボラティリティの潜在的な推移を推定し、先行研究の関連手法と比較します。
本論文はモデルの適合に逐次モンテカルロ法を用いる方法も論じています。シミュレーション研究とS&P 500指数データにより、モデルの特徴を示します。提示された説明には、具体的な比較成績や、この手法が取引結果を改善する証拠はありません。対象はボラティリティ推定であり、推定の質はモデルと適合手順に加え、期間内の極端な価格が捉える情報にも左右されます。
主なアイデア
- 期間内の高値と安値は、始値と終値に加えてボラティリティ情報を提供し得ます。
- 提案するモデル群は、始値・高値・安値・終値の観測を組み合わせてボラティリティの動態を推定します。
- 本論文はモデルを既存研究の関連手法と比較します。
- モデルの適合手法として逐次モンテカルロ法を論じています。
- シミュレーションとS&P 500指数データを用いて手法を例示します。
タグ
全文
# Stochastic Volatility Models Including Open, Close, High and Low Prices # Stochastic Volatility Models Including Open, Close, High and Low Prices Mounting empirical evidence suggests that the observed extreme prices within a trading period can provide valuable information about the volatility of the process within that period. In this paper we define a class of stochastic volatility models that uses opening and closing prices along with the minimum and maximum prices within a trading period to infer the dynamics underlying the volatility process of asset prices and compares it with similar models that have been previously presented in the literature. The paper also discusses sequential Monte Carlo algorithms to fit this class of models and illustrates its features using both a simulation study and data form the SP500 index.
出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0
この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。