Volatilidade rough, modelos fracionários e previsões

Resumo

O documento usa dados recentes de alta frequência para estudar a suavidade das mudanças da volatilidade ao longo do tempo. Relata que a log-volatilidade se comporta aproximadamente como um movimento browniano fracionário, com expoente de Hurst muito baixo em escalas de tempo razoáveis. Com base nisso, os autores adotam uma estrutura de volatilidade estocástica fracionária com expoente abaixo de um meio, que chamam de Rough FSV.

O modelo é descrito como compatível com séries temporais financeiras e capaz de melhorar as previsões da volatilidade realizada. A análise também explica por que testes convencionais de persistência podem confundir dados de um processo de volatilidade rough com memória longa, embora o próprio modelo não tenha memória longa. Uma explicação proposta com base na microestrutura relaciona a rugosidade ao trading de alta frequência e ao fracionamento de ordens. O trecho não apresenta conjuntos de dados, referências para comparação das previsões nem medidas numéricas de desempenho; portanto, não é possível avaliar de forma independente os ganhos de previsão relatados e seu alcance.

Ideias principais

• O estudo conclui que a log-volatilidade tem comportamento fracionário rough, com expoente de Hurst baixo.
• O modelo proposto Rough FSV usa um expoente abaixo de um meio.
• Os autores relatam previsões melhores da volatilidade realizada, sem detalhar no trecho as referências de comparação.
• Testes convencionais de persistência podem indicar memória longa mesmo quando os dados vêm de um modelo de volatilidade rough.
• O documento relaciona a rugosidade da volatilidade ao trading de alta frequência e ao fracionamento de ordens.

Tags

# Volatility is rough


# Volatility is rough









Estimating volatility from recent high frequency data, we revisit the question of the smoothness of the volatility process. Our main result is that log-volatility behaves essentially as a fractional Brownian motion with Hurst exponent H of order 0.1, at any reasonable time scale. This leads us to adopt the fractional stochastic volatility (FSV) model of Comte and Renault. We call our model Rough FSV (RFSV) to underline that, in contrast to FSV, H<1/2. We demonstrate that our RFSV model is remarkably consistent with financial time series data; one application is that it enables us to obtain improved forecasts of realized volatility. Furthermore, we find that although volatility is not long memory in the RFSV model, classical statistical procedures aiming at detecting volatility persistence tend to conclude the presence of long memory in data generated from it. This sheds light on why long memory of volatility has been widely accepted as a stylized fact. Finally, we provide a quantitative market microstructure-based foundation for our findings, relating the roughness of volatility to high frequency trading and order splitting.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.