Oi. Estou comparando a log-volatilidade de dois modelos SV com uma aplicação para MATLAB. Desde que eu sou um novato neste campo, eu não sei se estou errado em interpretar o gráfico. Na minha opinião, a única coisa que posso dizer é que o modelo SV padrão subestimar a volatilidade na volatilidade é pequena, mas eu não tenho certeza do meu gráfico. Você já viu algo assim Estou completamente errado e para o modelo padrão veja: Chan, J. C.C. E Hsiao, C. Y.L (2017). Estimação de modelos de volatilidade estocástica com caudas pesadas e dependência serial. In: I. Jeliazkov e X. S. Yang (Eds.), Inferência Bayesiana nas Ciências Sociais, 159-180, John Wiley amp Sons, Nova Iorque. 11 de junho de 2007 às 15: 57From os modelos de volatilidade econômica local e estocástica móvel para modelos de volatilidade estocástica de dois fator Resumo: Três processos que refletem a persistência da volatilidade são inicialmente formulados pela avaliação de três processos Lvy em uma mudança de tempo dada pela integral De uma média-reverting raiz quadrada processo. O modelo para a mudança de tempo de reversão de média é então generalizado para incluir modelos não gaussianos que são soluções para equações de Ornstein-Uhlenbeck conduzidas por processos unilaterais Lvy descontínuos permitindo correlação com o estoque. Os processos de preço de ações positivos são obtidos exponenciando e corrigindo esses processos, ou alternativamente exponenciando estocasticamente esses processos. As funções características para o preço do log podem ser usadas para render os preços das opções através da transformada rápida de Fourier. Em geral, a exponenciação corrigida média funciona melhor do que empregando a exponencial estocástica. Observa-se que o modelo exponencial de correção média não é uma martingala na filtração em que é originalmente definido. Isso nos leva a formular e investigar a importante propriedade de martingale marginals onde buscamos martingales em filtrações alteradas consistentes com as distribuições marginais unidimensionais do nível do processo em cada data futura. Este artigo apresenta uma estrutura de preços de arbitragem para a avaliação e cobertura de reivindicações contingentes de índices de ações na presença de um termo estocástico e estrutura de greve de volatilidade. Nossa abordagem à volatilidade estocástica é semelhante à abordagem Heath-Jarrow-Morton (HJM) para taxas de juros estocásticas. A partir de um conjunto inicial de preços de opções de índice e sua superfície de volatilidade local associada, mostramos como construir uma família de processos estocásticos de tempo contínuo que definem a evolução livre de arbitragem dessa superfície de volatilidade local ao longo do tempo. As condições de não-arbitragem são semelhantes, mas mais envolvidas do que, as condições HJM para movimentos estocásticos livres de arbitragem da curva de taxa de juros. Eles garantem que, mesmo sob uma evolução de volatilidade estocástica geral, os preços de opções iniciais, ou suas volatilidades implícitas equivalentes de BlackScholes, permanecem justos. Introduzimos árvores implícitas estocásticas como implementações discretas de nossa família de modelos de tempo contínuo. Os nós de uma árvore implícita estocástica permanecem fixos com o passar do tempo. Durante cada passo de tempo discreto o índice se move aleatoriamente de seu nó inicial para algum nó no próximo nível de tempo, enquanto as probabilidades de transição local entre os nós também variam. A mudança nas probabilidades de transição corresponde a uma variação estocástica geral (multifatorial) da superfície de volatilidade local. A partir de qualquer nó, os movimentos futuros do índice e as volatilidades locais devem ser restritos de modo que as probabilidades de transição para todos os nós futuros sejam simultaneamente martingales. Isso garante que os preços das opções iniciais permanecem justos. Na árvore, essas condições de martingala são efetuadas através de escolhas apropriadas dos parâmetros de drift para as probabilidades de transição em cada nó futuro, de tal forma que a evolução subseqüente do índice e da superfície de volatilidade local não resultem em oportunidades de arbitragem sem risco entre Diferentes contratos de opção e forward ou o seu índice subjacente. Você pode usar árvores estocásticas implícitas para avaliar opções de índices complexos, ou outros títulos derivativos com retornos que dependem da volatilidade do índice, mesmo quando a superfície de volatilidade é inclinada e estocástica. Os preços de títulos resultantes são consistentes com os preços de mercado correntes de todas as opções e forwards de índice padrão, e com a ausência de futuras oportunidades de arbitragem no quadro. Os valores das opções calculadas são independentes das preferências dos investidores e do preço de mercado do índice ou do risco de volatilidade. As árvores estocásticas implícitas também podem ser usadas para calcular os índices de hedge para qualquer garantia de índice contingente em termos de seu índice subjacente e todas as opções padrão definidas nesse índice. Este artigo fornece um tratamento analítico de uma classe de transformações, incluindo variadas transformações de Laplace e Fourier como casos especiais, que, por sua vez, Permitem um tratamento analítico de uma série de problemas de avaliação e econométricos. Exemplos de aplicativos incluem modelos de precificação de renda fixa, com um papel para modelos baseados em intensidade de inadimplência, bem como uma ampla gama de aplicações de preços de opções. Um exemplo ilustrativo examina as implicações da volatilidade estocástica e saltos para a avaliação de opções. Este exemplo destaca o impacto na opção x27smirksx27 da distribuição conjunta de saltos em volatilidade e saltos no preço do ativo subjacente, tanto por amplitude como por sincronização de salto. Introdução de uma nova classe de modelos que tem tanto volatilidade estocástica quanto erros de média móvel, onde a média condicional tem uma representação de espaço de estado. Ter um componente de média móvel, no entanto, significa que os erros na equação de medição já não são serialmente independentes, e estimativa torna-se mais difícil. Desenvolvemos um simulador posterior que se baseia em recentes avanços em algoritmos de precisão para estimar esses novos modelos. Em uma aplicação empírica envolvendo a inflação nos EUA, descobrimos que esses modelos de volatilidade estocástica média móvel fornecem melhor desempenho na amostra e desempenho de previsão fora da amostra do que as variantes padrão com apenas volatilidade estocástica. JEL Classificação Espaço estatal Modelo de componentes não observados Precisão Previsão de densidade esparsa Correspondência para: Escola de Pesquisa de Economia, Faculdade de Negócios e Economia da ANU, LF Crisp Building 26, Universidade Australiana Australiana, Canberra ACT 0200, Austrália. Tel. Modelos de Volatilidade Estocástica Média com Aplicação à Previsão de Inflação A média móvel e a volatilidade estocástica são dois componentes importantes para a modelagem e previsão de séries temporais macroeconômicas e financeiras. O primeiro visa capturar dinâmicas de curto prazo, enquanto o segundo permite a volatilidade agrupamento e volatilidade variando no tempo. Introduzimos uma nova classe de modelos que inclui ambos os recursos úteis. Os novos modelos permitem que o processo médio condicional tenha uma forma de espaço de estado. Como tal, este quadro geral inclui uma grande variedade de especificações populares, incluindo os componentes não observados e os modelos de parâmetros variáveis no tempo. Ter um processo de média móvel, no entanto, significa que os erros na equação de medição já não são serialmente independentes, e estimativa torna-se mais difícil. Desenvolvemos um simulador posterior que se baseia em avanços recentes em algoritmos de precisão para estimar esta nova classe de modelos. Em uma aplicação empírica envolvendo a inflação nos EUA, verificamos que esses modelos de volatilidade estocástica média móvel fornecem melhor desempenho na amostra e desempenho de previsão fora da amostra do que as variantes padrão com apenas volatilidade estocástica. Se você tiver problemas ao fazer o download de um arquivo, verifique se você tem o aplicativo adequado para visualizá-lo primeiro. Em caso de problemas adicionais, leia a página de ajuda IDEAS. Observe que esses arquivos não estão no site IDEAS. Por favor, seja paciente, pois os arquivos podem ser grandes. Documento fornecido pela Universidade Nacional Australiana, Faculdade de Negócios e Economia, Faculdade de Economia em sua série Documentos de Trabalho da ANU em Economia e Econometria com número 2017-591. C11 - Métodos Matemáticos e Quantitativos - - Métodos Econométricos e Estatísticos e Metodologia: Geral - - - Análise Bayesiana: Geral C51 - Métodos Matemáticos e Quantitativos - - Modelação Econométrica - - - Modelo Construção e Estimativa C53 - Métodos Matemáticos e Quantitativos - - Modelação Econométrica - - - Modelos de Previsão e Previsão Métodos de Simulação Referências listadas em IDEAS Por favor relate erros de citação ou referência a. ou. Se você for o autor registrado do trabalho citado, faça login no seu perfil do Serviço de Autor RePEc. Clique em citações e faça os ajustes apropriados. Gary Koop Dimitris Korobilis, 2009. Previsão da inflação usando a média dinâmica do modelo, Working Paper Series 3409, Centro de Análise Econômica de Rimini. Gary Koop Dimitris Korobilis, 2017. Previsão da inflação usando o modelo dinâmico de média, International Economic Review. Departamento de Economia, Universidade da Pensilvânia e Universidade de Osaka Instituto de Pesquisa Social e Econômica Associação, vol. 53 (3), páginas 867-886, 08. Joshua Chan Gary Koop Simon Potter, 2017. Um Novo Modelo de Inflação de Tendências, Working Papers 1202, Universidade de Strathclyde Business School, Departamento de Economia. Chan, Joshua Koop, Gary Potter, Simon, 2017. Um Novo Modelo de Inflação Tendência, SIRE Documentos de Discussão 2017-12, Instituto Escocês de Pesquisa em Economia (SIRE). Joshua C C Chan Gary Koop Simon M Potter, 2017. Um novo modelo de inflação tendência, CAMA Working Papers 2017-08, Centro de Análise Macroeconômica Aplicada, Crawford Escola de Políticas Públicas, a Universidade Nacional da Austrália. Modelos de Dimensão do Tempo Variáveis, Documentos de Trabalho da CAMA 2017-28, Centro de Análise Macroeconômica Aplicada, Escola de Políticas Públicas de Crawford, Universidade Australiana Nacional. Joshua C. C. Chan Garry Koop Roberto Leon Gonzales Rodney W. Strachan, 2018. Modelos de Dimensão Variáveis no Tempo, Documentos de Trabalho da ANU em Economia e Econometria 2018-523, Universidade Nacional Australiana, Faculdade de Economia e Negócios, Faculdade de Economia. Joshua C. C. Chan Gary Koop Roberto Leon-Gonzalez Rodney W. Strachan, 2018. Modelos de Dimensão Variável no Tempo, Working Paper Series 4410, Centro de Análise Econômica de Rimini. Chan, Joshua C C Koop, Gary Leon-Gonzalez, Roberto Strachan, Rodney W, 2018. Modelos de Dimensão Variável no Tempo, Documentos de Discussão SIRE 2017-33, Instituto Escocês de Pesquisa em Economia (SIRE). Joshua Chan Gary Koop Roberto Leon-Gonzalez Rodney Strachan, 2017. Time Varying Modelos de Dimensão, Working Papers 1116, Universidade de Strathclyde Business School, Departamento de Economia. KOROBILIS, Dimitris, 2017. Previsão de VAR utilizando a selecção de variáveis bayesianas, CORE Discussion Papers 2017022, Universit catholique de Louvain, Centro de Investigação Operacional e Econometria (CORE). Timothy Cogley Giorgio E. Primiceri Thomas J. Sargent, 2008. Persistência da brecha inflacionária nos Estados Unidos, NBER Working Papers 13749, Bureau Nacional de Pesquisa Econômica, Inc.
Comments
Post a Comment