利用开盘、最高、最低和收盘价估计随机波动率
文章 arXiv papers · 作者: Abel Rodriguez et al.
总结
本文构建随机波动率模型，使用每个时期的开盘价、收盘价以及观察到的最高价和最低价。研究的出发点是，期间内的极端价格包含波动率信息，而仅观察收盘到收盘的变化可能会遗漏这些信息。模型使用这四种价格指标推断资产价格波动率的潜在演变，并与既有文献中的相关方法进行比较。
文章还讨论了用于拟合模型的序贯蒙特卡洛方法，并通过模拟研究和标普500指数数据展示模型特点。所提供的描述没有报告具体的比较表现结果，也未证明该方法能改善交易结果。研究范围是波动率估计，推断质量取决于模型和拟合流程，也取决于期间价格极值所包含的信息。
核心观点
- 期间内的最高价和最低价可以提供开盘价与收盘价之外的波动率信息。
- 所提出的模型类别结合开盘价、最高价、最低价和收盘价来推断波动率动态。
- 论文将这些模型与既有研究中的相关方法进行比较。
- 文章讨论了用于拟合模型的序贯蒙特卡洛算法。
- 该方法通过模拟和标普500指数数据进行演示。
标签
全文
# Stochastic Volatility Models Including Open, Close, High and Low Prices # Stochastic Volatility Models Including Open, Close, High and Low Prices Mounting empirical evidence suggests that the observed extreme prices within a trading period can provide valuable information about the volatility of the process within that period. In this paper we define a class of stochastic volatility models that uses opening and closing prices along with the minimum and maximum prices within a trading period to infer the dynamics underlying the volatility process of asset prices and compares it with similar models that have been previously presented in the literature. The paper also discusses sequential Monte Carlo algorithms to fit this class of models and illustrates its features using both a simulation study and data form the SP500 index.
在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0
此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。