کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6870133 681132 2014 21 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Extended stochastic volatility models incorporating realised measures
ترجمه فارسی عنوان
مدل های نوسان پذیری تصادفی گسترده با استفاده از اقدامات متوجه شده است
کلمات کلیدی
نوسان پذیری تصادفی، نوسانات تحقق یافته، متغیرهای نامرئی، اطلاعات روزانه روزانه، برآوردگر بی ثباتی ترکیبی،
ترجمه چکیده
مدل های نوسانات تصادفی گسترده ای مورد مطالعه قرار می گیرند که با استفاده از بازده روزانه و همچنین اطلاعات نوسان در داده های روزانه روزانه، بر اساس تعدادی از اقدامات متوجه شده اند. این مدل های توسعه یافته، لگاریتم نوسانات روزانه را به عنوان یک فرایند نهفته با ساختار خودکفائی، با بازده روزانه از طریق مدل های تناوبی خود و با لگاریتم های اندازه گیری شده از طریق مدل های خطی مرتبط می کند. مدل سازی نوسانات غیرمستقیم افزایش یافته به طور خودکار اقدامات متوجه شده و بازده روزانه را به یک برآورد کننده نوسان کامل روزانه ترکیب می کند. این فرآیند از لحاظ فنی و نه خواستنی است: فیلتر کلمن و رویکردهای نمونه گیری با اهمیت کارآمد در اینجا استفاده می شود. مدل های توسعه یافته تجربی با استفاده از هر دو داده های نرخ بهره بالا و پایین نشان داده شده است. مطالعات شبیه سازی گزارش شده است که تایید می کند که مدل ارائه تخمین های نوسان پذیری است که خطای متوسط ​​مربع و عملکرد متعادل را بهتر از اقدامات فردی انجام می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
چکیده انگلیسی
Extended stochastic volatility models are studied which use the daily returns as well as the volatility information in intraday price data summarised in terms of a number of realised measures. These extended models treat the logarithm of daily volatility as a latent process with autoregressive structure, relate to daily returns via their variance models and relate to the logarithms of the realised measures via linear models. Fitting such an extended stochastic volatility model automatically combines the realised measures and daily returns into an overall daily volatility estimator. This process is technically rather demanding: Kalman filter and efficient importance sampling approaches are used here. The extended models are illustrated empirically using both high and low trading rate data. Simulation studies are reported which confirm that the model delivers volatility estimates that have better mean squared error and bias performance than individual realised measures.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational Statistics & Data Analysis - Volume 76, August 2014, Pages 687-707
نویسندگان
, ,