Mô hình hóa lợi nhuận biến động bằng phép biến đổi V và copula

Tóm tắt

Bài nghiên cứu trình bày một cách mô hình hóa chuỗi thời gian biến động bằng phép biến đổi v, kết nối các phân vị của phân phối biên trong chuỗi dừng với các phân vị của biến đại diện cho độ biến động có thể dự báo. Biểu diễn các phép biến đổi này dưới dạng copula cho phép mô hình kết hợp các phân phối biên linh hoạt với một quá trình copula riêng chi phối động thái biến động. Các tác giả minh họa khung này bằng quá trình copula Gaussian ARMA và ước tính mô hình bằng một biến thể của hợp lý cực đại chính xác dành cho mô hình ARMA.

Các tác giả báo cáo rằng mô hình thu được tái tạo một số đặc trưng cách điệu của lợi nhuận tài chính và hỗ trợ tính toán các đại lượng biên và có điều kiện, bao gồm thước đo rủi ro dựa trên phân vị. Trong ứng dụng thực nghiệm vào lợi nhuận Bitcoin, mô hình được mô tả là có tính cạnh tranh với GARCH tiêu chuẩn. Phần mô tả được cung cấp không nêu thiết kế mẫu, chỉ số so sánh hay các đặc trưng cụ thể được tái tạo, nên chưa thể đánh giá mức độ và phạm vi của phép so sánh đó. Kết quả tạo cơ sở để xem xét phương pháp này nhưng không chứng minh rằng phương pháp sẽ vượt trội hơn GARCH ở các thị trường hoặc giai đoạn khác.

Ý chính

• Phép biến đổi V kết nối các phân vị lợi nhuận với các phân vị của biến đại diện cho độ biến động có thể dự báo.
• Cách biểu diễn bằng copula cho phép kết hợp phân phối biên với một quá trình mô hình hóa động thái biến động.
• Mô hình minh họa dùng quá trình copula Gaussian ARMA và bộ ước tính hợp lý cực đại chính xác đã điều chỉnh.
• Khung này được dùng để suy ra các đặc tính có điều kiện và biên, bao gồm thước đo rủi ro theo phân vị.
• Ứng dụng Bitcoin báo cáo khả năng cạnh tranh với GARCH tiêu chuẩn, trong khi phần mô tả không nêu chi tiết so sánh.

Thẻ

# 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.

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.