시가·고가·저가·종가로 추정하는 확률 변동성
기사 arXiv papers · 저자: Abel Rodriguez et al.
요약
이 논문은 각 기간의 관측 고가와 저가에 시가와 종가를 함께 사용하는 확률 변동성 모형을 개발합니다. 기간 중 극단 가격에는 종가 간 관측만으로는 놓칠 수 있는 변동성 정보가 담겨 있다는 점에서 출발합니다. 이 네 가지 가격을 사용해 자산 가격 변동성의 기저 동학을 추론하고, 기존 문헌의 관련 접근법과 비교합니다.
논문은 모형 적합을 위한 순차 몬테카를로 방법도 다룹니다. 시뮬레이션 연구와 S&P 500 지수 데이터로 모형의 특성을 보여줍니다. 제공된 설명에는 구체적인 비교 성과가 보고되지 않으며, 해당 접근법이 트레이딩 결과를 개선한다는 점도 입증하지 않습니다. 이 연구의 범위는 변동성 추정이며, 추론의 품질은 모형과 적합 절차뿐 아니라 해당 기간의 극단 가격에 담긴 정보에도 좌우됩니다.
핵심 아이디어
- 기간 중 고가와 저가는 시가 및 종가에 더해 변동성 정보를 제공할 수 있습니다.
- 제안된 모형군은 시가·고가·저가·종가 관측값을 결합해 변동성 동학을 추론합니다.
- 논문은 모형을 기존 연구의 관련 방법들과 비교합니다.
- 모형 적합에 사용할 순차 몬테카를로 알고리즘을 논의합니다.
- 시뮬레이션과 S&P 500 지수 데이터로 접근법을 설명합니다.
태그
전문
# 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.
출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0
이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.