×

使用扩展计数回归模型在交易层面对期权波动性进行基于模型的量化。 (英语) Zbl 1145.91043号

作者阐述了不同复杂度的泊松回归模型如何用于在交易层面上对交易所交易证券的绝对收益进行建模。建议将其与适当的自回归条件持续期模型结合使用,以便为证券绝对收益提供完整的建模框架,从而为基于模型的日内波动率和风险量化提供完整的模型框架。作者根据EUREX交易所的报价数据,将建议的建模方法应用于XETRA DAX指数上期权的绝对非零价格变化。他们确定期权瞬时波动的驱动因素,并量化其影响。使用偏差信息准则,作者选择了一个具有AR(1)潜在过程的泊松广义线性模型作为所考虑模型的最佳模型,这表明用自回归成分比用异质方差结构更好地模拟所提出数据中的过度分散。

MSC公司:

91B82号 统计方法;经济指标与措施
91B28型 财务等(MSC2000)
91B70型 经济学中的随机模型
91B84号 经济时间序列分析
PDF格式BibTeX公司 XML格式引用
全文: DOI程序

参考文献:

[1] 股票市场日内活动的计量经济学模型。Kluwer学术出版社:波士顿,2001年·兹比尔1075.91538 ·doi:10.1007/978-1-4757-3381-5
[2] , , . 高频金融导论。学术出版社:圣地亚哥,2001年。
[3] 豪奇,Allgemeines Statistisches Archiv 86 pp 5–(2002)
[4] 恩格尔,《计量经济学》66页,第1127页–(1998年)
[5] 里德伯格,《金融计量经济学杂志》,第1页,第2页–(2003年)
[6] 一种用于金融交易价格的动态整数计数数据模型。工作文件,康斯坦茨大学,2003年。
[7] 恩格尔(Engle),《商业与经济统计杂志》(Journal of Business and Economic Statistics)23,第166页–(2005)
[8] 为什么绝对回报能如此好地预测波动性?工作文件,2004年。
[9] 考克斯,《斯堪的纳维亚统计杂志》,第8页,第93页–(1993)
[10] , . 计数数据的时间序列建模。《渐近、非参数和时间序列》(编辑)。马塞尔·德克尔:纽约,1999年;63–114.
[11] Davis,Biometrika 9,第777页–(2003)
[12] Zeger,Biometrika 75第621页–(1998年)
[13] Chan,《美国统计协会杂志》,第90页,第242页–(1995年)
[14] 时间序列计数数据建模:自回归条件泊松模型。核心讨论文件,2003年。
[15] 使用连接函数对时间序列计数数据进行多元自回归建模。核心讨论文件,2003年。
[16] Durbin,《皇家统计学会杂志》B 62 pp 3–(2000)
[17] 马尔可夫链蒙特卡罗方法:计算和推断。《计量经济学手册》,第5卷。(编辑)。北荷兰:阿姆斯特丹,2001年;3569–3649.
[18] 贝叶斯推断的马尔可夫链蒙特卡罗随机模拟。查普曼和霍尔:伦敦,1997年·Zbl 0881.6202号
[19] , . 马尔可夫链蒙特卡罗在实践中的应用。查普曼和霍尔:伦敦,1996年·Zbl 0832.00018号
[20] Spiegelholter,《皇家统计学会杂志》第64期第583页(2002年)
[21] 计数数据的回归分析。剑桥大学出版社:剑桥,1998年·Zbl 0924.62004号 ·doi:10.1017/CBO9780511814365
[22] 广义线性模型,(第2版)。查普曼和霍尔:伦敦,1989年·Zbl 0588.62104号 ·doi:10.1007/9781-4899-3242-6
[23] 计数数据的经济计量分析。施普林格:纽约,2003年·Zbl 1032.62108号 ·doi:10.1007/978-3-540-24728-9
[24] 戴蒙德(Diamond),《金融经济学杂志》(Journal of Financial Economics),第18页,第277页–(1987)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。