Ước tính bề mặt biến động cục bộ thực hiện từ dữ liệu tần suất cao

Tóm tắt

Tài liệu giới thiệu bề mặt biến động cục bộ thực hiện như một cách ước tính biến động có điều kiện trong các chuyển động đột ngột của tài sản cơ sở. Tài liệu xem ước tính này là một độ đo Wiener tổng quát suy ra từ giá lịch sử và liên hệ việc sử dụng nó với phòng hộ động Delta-Gamma để quản lý rủi ro.

Quy trình được đề xuất sử dụng dữ liệu thị trường tần suất cao và khớp mô hình hỗn hợp Gaussian stick-breaking với Hamiltonian Monte Carlo. Quy trình tạo ra bề mặt biến động với các khoảng tin cậy Bayes 95%, nhằm thể hiện độ bất định của ước tính. Tài liệu báo cáo minh họa thực nghiệm bằng dữ liệu TSLA và cho biết phương pháp nắm bắt biến động phản thực. Tài liệu cũng thảo luận khả năng ứng dụng trong quản lý rủi ro dựa trên biến động. Phần mô tả ngắn không định nghĩa độ đo biến động phản thực, đưa ra so sánh hiệu quả hoặc cung cấp chi tiết về lựa chọn và đánh giá dữ liệu, nên chỉ riêng bản tóm tắt chưa thể đánh giá độ vững trong thực tế.

Ý chính

• Bề mặt biến động cục bộ thực hiện nhằm ước tính biến động có điều kiện khi thị trường chuyển động đột ngột.
• Phương pháp tái dựng bề mặt từ giá lịch sử tần suất cao.
• Mô hình hỗn hợp Gaussian stick-breaking được khớp bằng Hamiltonian Monte Carlo.
• Đầu ra bao gồm các khoảng tin cậy Bayes 95% để thể hiện độ bất định của ước tính.
• Ứng dụng quản lý rủi ro được đề xuất là phòng hộ động trong khung Delta-Gamma.

Thẻ

# Realized Local Volatility Surface


# Realized Local Volatility Surface









For quantitative trading risk management purposes, we present a novel idea: the realized local volatility surface. Concisely, it stands for the conditional expected volatility when sudden market behaviors of the underlying occur. One is able to explore risk management usages by following the orthotical Delta-Gamma dynamic hedging framework. The realized local volatility surface is, mathematically, a generalized Wiener measure from historical prices. It is reconstructed via employing high-frequency trading market data. A Stick-Breaking Gaussian Mixture Model is fitted via Hamiltonian Monte Carlo, producing a local volatility surface with 95% credible intervals. A practically validated Bayesian nonparametric estimation workflow. Empirical results on TSLA high-frequency data illustrate its ability to capture counterfactual volatility. We also discuss its application in improving volatility-based risk management.

Hiển thị toàn văn kèm ghi nguồn theo giấy phép của tài liệu gốc. Giấy phép: abstract CC0

Bản tóm tắt này do tác nhân nghiên cứu của Stratmill biên soạn từ tài liệu gốc; đây không phải bản sao của tài liệu.