Moving Average Stochastische Volatilität

Von Moving Average Lokale und Stochastische Volatilitätsmodelle bis zu 2-Faktor Stochastische Volatilitätsmodelle Abstract: Drei Prozesse, die die Persistenz der Volatilität widerspiegeln, werden zunächst durch Auswertung von drei Lvy-Prozessen zu einer Zeitänderung, die durch das Integral einer Mittelwert-zurückgehenden Quadratwurzel gegeben ist, formuliert verarbeiten. Das Modell für die mittlere Umkehrzeitänderung wird dann auf nicht-Gaußsche Modelle verallgemeinert, die Lösungen für Ornstein-Uhlenbeck-Gleichungen sind, die durch einseitige diskontinuierliche Lvy-Prozesse angetrieben werden, die eine Korrelation mit dem Bestand ermöglichen. Positive Aktienkursverfahren werden durch Exponentierung und Mittelkorrektur dieser Prozesse oder alternativ durch stochastische Exponentierung dieser Prozesse erhalten. Die charakteristischen Funktionen für den Log-Preis können über die Fast-Fourier-Transformation zur Erzielung von Optionspreisen genutzt werden. Im Allgemeinen führt eine mittlere korrigierte Potenzierung besser als die Verwendung der stochastischen Exponentiale aus. Es wird beobachtet, dass das mittlere korrigierte Exponentialmodell kein Martingal in der Filtration ist, in der es ursprünglich definiert ist. Dies führt uns dazu, die wichtige Eigenschaft von Martingale-Marginalen zu formulieren und zu untersuchen, wo wir Martingale in veränderten Filtrationen in Übereinstimmung mit den eindimensionalen Randverteilungen der Stufe des Prozesses zu jedem zukünftigen Zeitpunkt suchen. In diesem Papier stellen wir ein Arbitrage-Preissystem für die Bewertung und Absicherung von bedingten Aktienindexansprüchen in Anwesenheit eines stochastischen Begriffs und einer Streikstruktur von Zinsen vor Volatilität. Unser Ansatz für stochastische Volatilität ähnelt dem Heath-Jarrow-Morton (HJM) Ansatz für stochastische Zinssätze. Ausgehend von einem ersten Satz von Indexoptionskursen und der damit verbundenen lokalen Volatilitätsoberfläche zeigen wir, wie eine Familie kontinuierlicher stochastischer Prozesse konstruiert wird, die die arbitragefreie Entwicklung dieser lokalen Volatilitätsoberfläche durch die Zeit definieren. Die No-Arbitrage-Bedingungen entsprechen den HJM-Bedingungen für arbitragefreie stochastische Bewegungen der Zinskurve, sind aber stärker betroffen. Sie garantieren, dass auch unter einer allgemeinen stochastischen Volatilitätsentwicklung die anfänglichen Optionenpreise oder ihre entsprechenden BlackScholes implizierte Volatilitäten bleiben. Wir stellen stochastische implizierte Bäume als diskrete Implementierungen unserer Familie von kontinuierlichen Zeitmodellen vor. Die Knoten eines stochastischen implizierten Baums bleiben im Laufe der Zeit fest. Während jedes diskreten Zeitschrittes bewegt sich der Index zufällig von seinem Anfangsknoten zu einem Knoten auf dem nächsten Zeitniveau, während die lokalen Übergangswahrscheinlichkeiten zwischen den Knoten ebenfalls variieren. Die Änderung der Übergangswahrscheinlichkeiten entspricht einer allgemeinen (multifaktorischen) stochastischen Variation der lokalen Volatilitätsfläche. Ausgehend von einem Knoten müssen die zukünftigen Bewegungen des Index und die lokalen Volatilitäten eingeschränkt werden, so dass die Übergangswahrscheinlichkeiten zu allen zukünftigen Knoten gleichzeitig Martingale sind. Dies garantiert, dass die anfänglichen Optionen weiterhin fair bleiben. Auf dem Baum werden diese Martingalzustände durch geeignete Auswahl der Driftparameter für die Übergangswahrscheinlichkeiten an jedem zukünftigen Knoten durchgeführt, so dass die nachfolgende Evolution des Index und der lokalen Volatilitätsfläche nicht zu risikolosen Arbitragegelegenheiten führen Verschiedenen Options - und Termingeschäften oder ihrem zugrunde liegenden Index. Sie können stochastische implizite Bäume verwenden, um komplexe Indexoptionen oder andere derivative Wertpapiere mit Auszahlungen zu bewerten, die von der Indexvolatilität abhängen, auch wenn die Volatilitätsoberfläche sowohl schief als auch stochastisch ist. Die daraus resultierenden Sicherheitspreise stimmen mit den aktuellen Marktpreisen aller Standard-Indexoptionen und - terminkontrakten und dem Fehlen zukünftiger Arbitragemöglichkeiten in diesem Rahmen überein. Die berechneten Optionswerte sind unabhängig von den Anlegerpräferenzen und dem Marktpreis des Index - oder Volatilitätsrisikos. Stochastische, implizite Bäume können auch verwendet werden, um Hedge-Ratios für jede mögliche Indexsicherheit in Bezug auf ihren zugrundeliegenden Index und alle Standardoptionen, die auf diesem Index definiert sind, zu berechnen. Vollständiger Text Artikel Nov 2011 Emanuel Derman Iraj Kani Abstraktes Abstraktes ABSTRAKT: Im Rahmen von affinex27-Sprung-Diffusions-Zustandsprozessen bietet dieses Papier eine analytische Behandlung einer Klasse von Transformationen, darunter verschiedene Laplace - und Fourier-Transformationen als spezielle Fälle Erlauben eine analytische Behandlung einer Reihe von Bewertungs - und ökonometrischen Problemen. Beispielanwendungen beinhalten festverzinsliche Kalkulationsmodelle mit einer Rolle für intensitätsbasierte Ausfallmodelle sowie eine breite Palette von Optionspreisprogrammen. Ein anschauliches Beispiel untersucht die Implikationen stochastischer Volatilität und Sprünge zur Optionsbewertung. Dieses Beispiel hebt die Auswirkungen auf die Option x27smirksx27 der gemeinsamen Verteilung der Sprünge in Volatilität und Sprünge in den zugrunde liegenden Vermögenswert Preis, sowohl durch die Amplitude als auch Jump-Timing. Mittlere stochastische Volatilitätsmodelle mit Anwendung auf Inflationsprognose Die durchschnittliche und stochastische Volatilität sind zwei wichtige Komponenten für die Modellierung und Prognose makroökonomischer und finanzieller Zeitreihen. Ersteres zielt darauf ab, kurzfristige Dynamik zu erfassen, während letztere Volatilitäts-Clustering und zeitveränderliche Volatilität ermöglicht. Wir stellen eine neue Klasse von Modellen vor, die diese beiden nützlichen Funktionen enthält. Die neuen Modelle erlauben es dem bedingten Mittelprozess, eine Zustandsraumform zu haben. Daher umfasst dieses allgemeine Rahmenwerk eine breite Palette an gängigen Spezifikationen, einschließlich der nicht beobachteten Komponenten und zeitvariablen Parametermodelle. Ein gleitender Durchschnittsprozess bedeutet jedoch, dass die Fehler in der Messgleichung nicht mehr seriell unabhängig sind und die Schätzung schwieriger wird. Wir entwickeln einen hinteren Simulator, der auf den jüngsten Fortschritten in der Präzisions-basierten Algorithmen für die Schätzung dieser neuen Klasse von Modellen basiert. In einer empirischen Anwendung, die die US-Inflation involviert, stellen wir fest, dass diese gleitenden durchschnittlichen stochastischen Volatilitätsmodelle eine bessere Prognoseperformance in der Probe und eine Out-of-sample-Prognose liefern als die Standardvarianten mit nur stochastischer Volatilität. Wenn Sie Probleme beim Herunterladen einer Datei haben, überprüfen Sie, ob Sie die richtige Anwendung haben, um sie zuerst anzuzeigen. Bei weiteren Problemen lesen Sie bitte die IDEAS-Hilfeseite. Beachten Sie, dass diese Dateien nicht auf der IDEAS-Website sind. Bitte haben Sie Geduld, da die Dateien groß sein können. Paper von Australian National University, Hochschule für Wirtschaft und Wirtschaft, School of Economics in seiner Reihe ANU Working Papers in Wirtschaftswissenschaften und Ökonometrie mit der Nummer 2012-591 zur Verfügung gestellt. C11 - Mathematische und quantitative Methoden - - Ökonometrische und statistische Methoden und Methodik: Allgemeines - - - Bayessche Analyse: Allgemeines C51 - Mathematische und quantitative Methoden - - Ökonometrische Modellierung - - - Modell Konstruktion und Schätzung C53 - Mathematische und quantitative Methoden - - Ökonometrische Modellierung - - - Vorhersagemodelle Simulationsmethoden Referenzen auf IDEEN Bitte melden Sie Zitat oder Referenzfehler an. oder. Wenn Sie der registrierte Autor der zitierten Arbeit sind, melden Sie sich bei Ihrem RePEc-Autorservice-Profil an. Klicken Sie auf Zitate und nehmen Sie entsprechende Anpassungen vor. Timothy Cogley Argia M. Sbordone, 2008. Trend Inflation, Indexierung und Inflation Persistence in der New Keynesian Phillips Kurve, American Economic Review. Amerikanische Wirtschaftsvereinigung, vol. 98 (5), Seiten 2101-26, Dezember. Dimitris Korobilis, 2013. Var-Prognose mit Bayes-Variable Selection, Zeitschrift für Angewandte Ökonometrie. John Wiley Sons, Ltd. 28 (2), Seiten 204-230, 03. Gary Koop Dimitris Korobilis, 2012. Prognose der Inflation unter Verwendung der Dynamic Model Averaging, International Economic Review. Fakultät für Wirtschaftswissenschaften, Universität Pennsylvania und Institut für Sozial - und Wirtschaftsforschung der Osaka Universität, vol. 53 (3), Seiten 867-886, 08. Joshua Chan Gary Koop Simon Potter, 2012. Ein neues Modell der Trendinflation, Working Papers 1202, Universität der Strathclyde Business School, Abteilung für Ökonomie. Chan, Joshua Koop, Gary Potter, Simon, 2012. Ein neues Modell der Trendinflation, MPRA Paper 39496, Universitätsbibliothek München, Deutschland. Chan, Joshua Koop, Gary Potter, Simon, 2012. Ein neues Modell der Trendinflation, SIRE Diskussionspapiere 2012-12, Scottish Institut für Wirtschaftswissenschaften (SIRE). Ein neues Modell der Trendinflation, CAMA Working Papers 2012-08, Zentrum für angewandte makroökonomische Analyse, Crawford School of Public Policy, die Australian National University. Joshua C C Chan Gary Koop Roberto Leon-Gonzales Rodney W Strachan, 2011. Zeitverschiedene Dimension Modelle, CAMA Working Papers 2011-28, Zentrum für angewandte makroökonomische Analyse, Crawford School of Public Policy, die Australian National University. Joshua C. C. Chan Garry Koop Roberto Leon Gonzales Rodney W. Strachan, 2010. Zeitvariante Dimension Modelle, ANU Working Papers in Wirtschaftswissenschaften und Ökonometrie 2010-523, Australian National University, Hochschule für Wirtschaft und Wirtschaft, School of Economics. Joshua C. C. Chan Gary Koop Roberto Leon-Gonzalez Rodney W. Strachan, 2010. Zeitvariante Dimensionsmodelle, Working Paper Serie 4410, Das Rimini Zentrum für Wirtschaftsanalyse. Joshua Chan Gary Koop Roberto Leon-Gonzalez Rodney Strachan, 2011. Zeitveränderliche Dimensionsmodelle, Arbeitspapiere 1116, University of Strathclyde Business School, Department of Economics. Chan, Joshua CC Koop, Gary Leon-Gonzalez, Roberto Strachan, Rodney W, 2010. Zeitdifferenzierende Dimensionsmodelle, SIRE Discussion Papers 2012-33, Scottish Institut für Wirtschaftswissenschaften (SIRE).Moving durchschnittliche stochastische Volatilität Modelle mit Anwendung auf die Inflation Prognose Wir stellen eine neue Klasse von Modellen vor, die sowohl stochastische Volatilität als auch gleitende Durchschnittsfehler aufweist, wobei das bedingte Mittel eine Zustandsraumdarstellung aufweist. Eine gleitende mittlere Komponente bedeutet jedoch, dass die Fehler in der Messgleichung nicht mehr seriell unabhängig sind und die Schätzung schwieriger wird. Wir entwickeln einen hinteren Simulator, der auf den jüngsten Fortschritten in der Präzisions-basierten Algorithmen für die Schätzung dieser neuen Modelle basiert. In einer empirischen Anwendung, die US-Inflation beinhaltet, stellen wir fest, dass diese gleitenden durchschnittlichen stochastischen Volatilitätsmodelle eine bessere Prognoseleistung im Vergleich zu den Standardvarianten mit nur stochastischer Volatilität bieten. JEL Klassifizierung Zustandsraum Unbeobachtete Komponenten Modell Präzision Sparse Dichte Vorhersage Korrespondenz an: Research School of Economics, ANU Hochschule für Wirtschaft und Wirtschaft, LF Crisp Building 26, Die Australian National University, Canberra ACT 0200, Australien. Tel. 61 2 612 57358 Fax: 61 2 612 50182. Copyright-Kopie 2013 Elsevier B. V. Alle Rechte vorbehalten.