Ước tính biến động tần suất cao thưa với phát hiện điểm thay đổi

Tóm tắt

Bài báo phát triển các bộ ước lượng độ biến động tần suất cao thưa, được thiết kế để duy trì tính vững khi độ biến động tức thời thay đổi đột ngột. Các bộ ước lượng đề xuất áp dụng hình phạt ℓ1 lên những phương pháp hiện có, tập trung vào các bộ ước lượng biến thiên lũy thừa, một nhóm cơ bản dùng để đo lường độ biến động. Các tác giả chứng minh tính nhất quán khi ước lượng cả độ biến động nền không quan sát được lẫn vị trí các điểm thay đổi; một số bộ ước lượng đạt tốc độ minimax.

Về tính toán, phương pháp dùng hồi quy góc nhỏ nhất để ước tính các thay đổi ứng viên, sau đó dùng một bước quy hoạch động rút gọn để tinh chỉnh số lượng thay đổi. Kết quả số được mô tả là nhanh và phát hiện chính xác các điểm gãy gần cuối mẫu. Trong dự báo ngoài mẫu, các bộ ước tính được báo cáo tạo ra dự báo biến động mượt mà và thực tế hơn, đồng thời vượt trội hơn nhiều phương pháp cổ điển và gần đây trên các tần suất lấy mẫu và chân trời dự báo khác nhau. Mô tả được cung cấp không nêu bộ dữ liệu, mức chuẩn so sánh hay hiệu suất định lượng cụ thể, hạn chế khả năng đánh giá độc lập về phép so sánh.

Ý chính

• Các bộ ước lượng dùng chính quy hóa ℓ1 để tạo ra ước lượng độ biến động tần suất cao thưa và vững trước những thay đổi đột ngột.
• Bài báo nghiên cứu các bộ ước tính biến thiên lũy thừa và chứng minh tính nhất quán khi ước tính biến động cũng như vị trí điểm thay đổi.
• Hồi quy góc nhỏ nhất tìm các thay đổi ứng viên, còn quy hoạch động rút gọn tinh chỉnh số lượng của chúng.
• Các tác giả báo cáo phát hiện chính xác điểm gãy gần cuối mẫu và dự báo ngoài mẫu được cải thiện ở nhiều tần suất và chân trời khác nhau.

Thẻ

# 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.

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.