V 변환과 코퓰라를 활용한 변동 수익률 모형
기사 arXiv papers · 저자: Alexander J. McNeil
요약
이 논문은 정상 계열의 주변 분포 분위수와 예측 가능한 변동성 대리변수의 분위수를 연결하는 v 변환을 이용해 변동 시계열을 모형화하는 방법을 제시합니다. 이를 코퓰라로 표현하면 유연한 주변 분포와 변동성 동학을 다루는 별도 코퓰라 과정을 결합할 수 있습니다. 저자들은 가우시안 ARMA 코퓰라 과정으로 이 체계를 설명하고, ARMA 모형에 대한 정확한 최대우도법을 변형해 추정합니다.
저자들은 결과 모형이 금융 수익률의 여러 정형화된 특성을 재현하고 분위수 기반 리스크 측정을 포함한 주변 및 조건부 수량 계산을 지원한다고 보고합니다. 비트코인 수익률에 적용한 실증 분석에서는 표준 GARCH와 경쟁력 있는 것으로 설명됩니다. 제공된 설명에는 표본 설계, 비교 지표 또는 재현된 정확한 특성이 제시되지 않아 비교의 강도와 범위를 여기서 판단할 수 없습니다. 결과는 이 접근법의 가능성을 보여주지만 다른 시장이나 기간에서 GARCH보다 우수하다는 점을 입증하지는 않습니다.
핵심 아이디어
- V 변환은 수익률 분위수를 예측 가능한 변동성 대리변수의 분위수와 연결합니다.
- 코퓰라 표현을 활용하면 주변 분포와 변동성 동학 과정을 결합할 수 있습니다.
- 예시 모형은 가우시안 ARMA 코퓰라 과정과 변형된 정확 최대우도 추정법을 사용합니다.
- 이 체계로 분위수 기반 리스크 측정치를 포함한 조건부 및 주변 특성을 계산합니다.
- 비트코인 적용 사례는 표준 GARCH와의 경쟁력을 보고하지만 설명에는 비교 세부 정보가 빠져 있습니다.
태그
전문
# Modelling volatile time series with v-transforms and copulas # Modelling volatile time series with v-transforms and copulas An approach to the modelling of volatile time series using a class of uniformity-preserving transforms for uniform random variables is proposed. V-transforms describe the relationship between quantiles of the stationary distribution of the time series and quantiles of the distribution of a predictable volatility proxy variable. They can be represented as copulas and permit the formulation and estimation of models that combine arbitrary marginal distributions with copula processes for the dynamics of the volatility proxy. The idea is illustrated using a Gaussian ARMA copula process and the resulting model is shown to replicate many of the stylized facts of financial return series and to facilitate the calculation of marginal and conditional characteristics of the model including quantile measures of risk. Estimation is carried out by adapting the exact maximum likelihood approach to the estimation of ARMA processes and the model is shown to be competitive with standard GARCH in an empirical application to Bitcoin return data.
출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0
이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.