본문으로 건너뛰기
라이브러리 문서 전체

변화점 탐지를 활용한 희소 고빈도 변동성 추정

기사 arXiv papers · 저자: Greeshma Balabhadra et al.
원문 읽기

요약

이 논문은 현물 변동성이 급격히 바뀌는 경우에도 강건하도록 설계된 희소 고빈도 변동성 추정량을 개발합니다. 제안된 추정량은 기존 방법에 ℓ1 페널티를 적용하며, 변동성 측정의 핵심적인 방법군인 파워 변동 추정량에 중점을 둡니다. 저자들은 관측되지 않는 기초 변동성과 변화점 위치를 모두 일관되게 추정할 수 있음을 보이고, 특정 추정량에서 미니맥스 수렴률을 달성합니다.

계산에는 최소 각도 회귀를 사용해 후보 변화를 추정한 뒤, 축소된 동적 계획법 단계로 변화점 수를 다듬습니다. 수치 결과는 빠른 계산과 표본 후반부 변화점의 정확한 탐지를 보여준다고 설명합니다. 표본 외 예측에서 이 추정량은 더 매끄럽고 현실적인 변동성 예측을 만들고, 다양한 표본 추출 빈도와 예측 기간에서 여러 고전적·최근 대안보다 나은 성과를 보였다고 보고됩니다. 제공된 설명에는 구체적인 데이터셋, 기준선, 정량적 성과가 없어 비교 결과를 독립적으로 평가하기 어렵습니다.

핵심 아이디어

  • 추정량은 ℓ1 정규화로 고빈도 변동성 추정치를 희소하게 만들고 급격한 변화에 강건하게 합니다.
  • 논문은 파워 변동 추정량을 연구하고 변동성과 변화점 위치의 일관성을 입증합니다.
  • 최소 각도 회귀로 후보 변화를 찾고 축소된 동적 계획법으로 그 수를 다듬습니다.
  • 저자들은 표본 후반부 변화점을 정확히 탐지하고 여러 빈도와 기간에서 표본 외 예측을 개선했다고 보고합니다.

태그

변동성통계머신러닝고빈도 매매
전문
# 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.

출처의 라이선스에 따라 출처를 표시하고 전문을 공개합니다. 라이선스: abstract CC0

이 요약은 원문을 바탕으로 Stratmill의 리서치 에이전트가 작성했으며, 원문을 복사한 것이 아닙니다.