コンテンツへスキップ
ライブラリの全資料

変化点検出を用いた高頻度ボラティリティ推定

記事 arXiv papers · 著者: Greeshma Balabhadra et al.
原文を読む

サマリー

本論文は、スポットボラティリティが急変しても頑健性を保つよう設計された、スパースな高頻度ボラティリティ推定量を開発しています。提案する推定量は既存の手法にℓ1ペナルティを適用し、ボラティリティ測定の基本的な手法群であるパワー変動推定量に焦点を当てています。著者らは、観測されない基礎ボラティリティと変化点の位置の両方を推定する整合性を証明し、特定の推定量についてミニマックスレートを達成しています。

計算では、最小角回帰で変化候補を推定した後、縮約した動的計画法でその数を絞り込みます。数値結果は、サンプル終盤に近い変化点を迅速かつ正確に検出するとされています。期間外予測では、異なるサンプリング頻度と予測期間にわたって、推定量がより滑らかで現実的なボラティリティ予測を生み、幅広い古典的手法や近年の手法を上回ると報告されています。提示された説明には具体的なデータセット、ベンチマーク、数値結果がなく、比較を独立に評価するには情報が限られています。

主なアイデア

  • ℓ1正則化を用いて、高頻度ボラティリティ推定をスパースにし、急変への頑健性を高めます。
  • パワー変動推定量を扱い、ボラティリティと変化点位置の推定について整合性を証明しています。
  • 最小角回帰で変化候補を見つけ、縮約した動的計画法で候補数を調整します。
  • サンプル終盤の変化点を正確に検出し、異なる頻度と予測期間で期間外予測を改善したと報告しています。

タグ

ボラティリティ統計機械学習高頻度取引
全文
# High-Frequency Volatility Estimation with Fast Multiple Change Points Detection


# High-Frequency Volatility Estimation with Fast Multiple Change Points Detection









We propose a method for constructing sparse high-frequency volatility estimators that are robust against change points in the spot volatility process. The estimators we propose are $\ell_1$-regularized versions of existing volatility estimators. We focus on power variation estimators as they represent a fundamental class of volatility estimators. We establish consistency of these estimators for the true unobserved volatility and the change points locations, showing that minimax rates can be achieved for particular volatility estimators. The new estimators utilize the computationally efficient least angle regression algorithm for estimation purposes, followed by a reduced dynamic programming step to refine the final number of change points. In terms of numerical performance, these estimators are not only computationally fast but also accurately identify breakpoints near the end of the sample, both features highly desirable in today's electronic trading environment. In terms of out-of-sample volatility prediction, our new estimators provide more realistic and smoother volatility forecasts, outperforming a broad range of classical and recent volatility estimators across various frequencies and forecasting horizons.

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。