×
迪迪特·努格罗霍。;森本高彦

Box-Cox实现了具有广义Student误差分布的非对称随机波动率模型。 （英语） Zbl 1514.62784号

J.应用。统计。 43，第10期，1906-1927（2016）.
摘要：本研究提出了一类非线性已实现随机波动率（SV）模型，将Box-Cox（BC）变换而非对数变换应用于已实现估计量。非高斯分布（如Student’s（t）、非中心Student‘s（t。采用马尔可夫链蒙特卡罗-贝叶斯方法，将所提出的模型拟合到SP500、FTSE100、Nikkei225、Nasdaq100、DAX和DJIA这六只股票的日收益率，并实现了其核，其中哈密顿蒙特卡罗（HMC）算法更新BC参数，黎曼流形HMC算法更新潜在变量和其他无法直接采样的参数。实证研究为反对对数转换和实现的SV模型的原始版本提供了证据。

引用于三文件

MSC公司：

62至XX 统计

关键词：

已实现随机波动率;Box-Cox转换;广义Student分布;MCMC公司;HMC公司
PDF格式BibTeX公司 XML格式引用
\textit{D.B.Nugroho}和\textit{T.Morimoto}，J.Appl。Stat.43，No.10，1906--1927（2016；Zbl 1514.62784）
全文： 内政部

参考文献：

[1] T.G.Andersen、T.Bollerslev、F.X.Diebold和P.Labys，已实现汇率波动的分布《美国统计学会期刊》96（453）（2001），第42-55页。doi:10.1198/016214501750332965·Zbl 1015.62107号
[2] O.E.Barndorff Nielsen、P.R.Hansen、A.Lunde和N.Shephard，设计实现的核函数以测量噪声存在下股票价格的事后变化《计量经济学》76（6）（2008），第1481-1536页。doi:10.3982/ECTA6495·Zbl 1153.91416号 ·doi:10.3982/ECTA6495
[3] O.E.Barndorff Nielsen和N.Shephard，随机波动和跳跃的幂和双幂变化，J.Financ。经济。2（1）（2004），第1-37页·doi:10.1093/jjfinec/nbh001
[4] T.Bollerslev，广义自回归条件异方差《经济学杂志》。31（1986），第307-327页。doi:10.1016/0304-4076（86）90063-1·Zbl 0616.62119号 ·doi:10.1016/0304-4076（86）90063-1
[5] M.A.Carnero、D.PeñA和E.Ruiz，随机波动比GARCH更灵活吗？，工作文件01-08，马德里卡洛斯三世大学，2001年。
[6] P.Christoffersen、B.Feunou、K.Jacobs和N.Meddahi，已实现波动的经济价值：使用高频回报进行期权估值，工作文件2012-34，加拿大银行，2012年。
[7] D.Dobrev和P.Szerszen，用于估计股权回报模型和预测风险的高频数据的信息内容，工作文件，《财经讨论系列》，2010年。
[8] R.F.恩格尔，英国通货膨胀方差估计的自回归条件异方差《计量经济学50》（1982年），第987-1007页。doi:10.2307/1912773·Zbl 0491.62099号 ·doi:10.307/1912773
[9] A.E.Gelfand和D.K.Dey，贝叶斯模型选择：渐近和精确计算，J.R.Stat.Soc.Ser.，《美国国家统计年鉴》。B 56（3）（1994），第501-514页·Zbl 0800.62170号
[10] J.Geweke，当代贝叶斯计量经济学与统计学约翰·威利父子公司，霍博肯，2005年·Zbl 1093.62107号 ·doi:10.1002/0471744735
[11] E.Ghysels、A.C.Harvey和E.Renault，随机波动性，英寸统计手册：金融统计方法G.S.Maddala和C.R.Rao主编，Elsevier Science，阿姆斯特丹，1996年，第119-191页。
[12] W.R.吉尔克斯，吉布斯采样的无导数自适应抑制采样，英寸贝叶斯统计、J.M.Bernardo、J.O.Berger、A.P.Dawid和A.F.M.Smith编辑，第4卷，牛津大学出版社，1992年，第169-193页。
[13] W.R.Gilks和P.Wild，吉布斯采样的自适应抑制采样，申请。《美国联邦法律大全》第41（2）卷（1992年），第337-348页。doi:10.2307/2347565·Zbl 0825.62407号 ·doi:10.2307/2347565
[14] M.Girolma和B.Calderhead，黎曼流形Langevin和Hamilton蒙特卡罗方法，J.R.Stat.Soc.Ser.，《美国国家统计年鉴》。B 73（2）（2011），第1-37页。文件编号：10.1111/j.1467-9868.2010.00765.x·Zbl 1411.62071号 ·文件编号：10.1111/j.1467-9868.2010.00765.x
[15] S.Gonçalves和N.Meddahi，已实现波动率的Box-Cox变换《经济学杂志》。160（2011年），第129-144页。doi:10.1016/j.econom.2010.03.026·Zbl 1441.62706号 ·doi:10.1016/j.jeconom.2010.03.026
[16] R.E.Kass和A.E.Raftery，贝叶斯因子《美国统计学会期刊》第90卷（430页）（1995年），第773-795页。doi:10.1080/01621459.1995.10476572·Zbl 0846.62028号
[17] S.Kim、N.Shephard和S.Chib，随机波动性：似然推断及与ARCH模型的比较，英寸随机波动性：精选读数N.Shephard主编，牛津大学出版社，纽约，2005年，第283-322页·Zbl 1082.62104号
[18] S.J.Koopman和M.Scharth，存在每日已实现测度的随机波动性分析，J.Financ。经济。11（1）（2013），第76-115页·doi:10.1093/jjfinec/nbs016
[19] Y.-C.Ku、P.Bloomfield和S.K.Ghosh，因子波动率及其相关矩阵的独立动态柔性观测因子模型，统计模型。14（1）（2014），第1-20页。doi:10.1177/1471082X13490016·Zbl 07257893号 ·doi:10.1177/1471082X13490016
[20] J.Nakajima和Y.Omori，利用GH-skew Student的杠杆和非对称重尾误差的随机波动率模型\（t）-分布，计算。统计数据分析。56（2012），第3690-3704页。doi:10.1016/j.csda.2010.07.012·Zbl 1255.62319号 ·doi:10.1016/j.csda.2010.07.012
[21] R.M.尼尔，使用哈密顿动力学的MCMC，英寸马尔可夫链蒙特卡罗手册，S.Brooks、A.Gelman、G.Jones和X.-L.Meng编辑，查普曼和霍尔/CRC出版社，博卡拉顿，2011年，第113-162页·Zbl 1229.65018号
[22] D.Noureldin、N.Shephard和K.Sheppard，基于多变量高频波动率（重度）模型，J.应用。经济。27（6）（2012），第907-933页。doi:10.1002/jae.1260·doi:10.1002/jae.1260
[23] D.B.Nugroho和T.Morimoto，具有非对称效应和广义Student t分布的非线性随机波动模型的实现，J.Jpn。《Stat.Soc.44（1）》（2014年），第83-118页。doi:10.14490/jjss44.83·Zbl 1310.62113号 ·doi:10.14490/jjss.44.83
[24] D.B.Nugroho和T.Morimoto，基于哈密顿蒙特卡罗方法的已实现随机波动率模型估计，计算。《Stat.30（2）》（2015），第491-516页。doi:10.1007/s00180-014-0546-6·Zbl 1317.65044号 ·doi:10.1007/s00180-014-0546-6
[25] M.Takahashi、Y.Omori和T.Watanabe，同时使用每日收益和已实现波动率估计随机波动率模型，计算。统计数据分析。53（2009年），第2404-2426页。doi:10.1016/j.csda.2008.07.039·Zbl 1453.62212号 ·doi:10.1016/j.csda.2008.07.039
[26] M.Takahashi、Y.Omori和T.Watanabe，基于广义双曲分布的已实现随机波动率模型的波动率和分位数预测《CIRJE-F-921系列工作文件》，东京大学经济学院CIRJE，2014年。
[27] S.J.Taylor，两个随机过程乘积的财务收益模型1961-75年每日糖价研究，英寸随机波动性：精选读数，N.Shephard主编，牛津大学出版社，纽约，2005年，第60-82页·Zbl 1126.91377号
[28] G.Tsiotas，非线性变换在随机波动率模型中的应用，统计方法应用。18（2009年），第555-583页。doi:10.1007/s10260-008-0113-9·Zbl 1333.62296号 ·doi:10.1007/s10260-008-0113-9
[29] G.Tsiotas，关于广义非对称随机波动率模型，计算。统计数据分析。56（2012），第151-172页。doi:10.1016/j.csda.2011.06.031·Zbl 1241.91146号 ·doi:10.1016/j.csda.2011.06.031
[30] J.Yu，新西兰股市波动预测，申请。财务。经济。12（2002），第193-202页。doi:10.1080/09603100110090118
[31] J.Yu、Z.Yang和X.Zhang，一类非线性随机波动模型及其对货币期权定价的启示，计算。统计数据分析。51（2006），第2218-2231页。doi:10.1016/j.csda.2006.08.024·Zbl 1157.62527号 ·doi:10.1016/j.csda.2006.08.024
[32] L.Zhang、P.A.Mykland和Y.Ait-Sahalia，两个时间尺度的故事：用噪声高频数据确定综合波动率《美国统计学会期刊》第100卷（472页）（2005年），第1394-1411页。doi:10.1198/01621450050000169·Zbl 1117.62461号
[33] X.Zhang和M.L.King，带有重尾和相关误差的Box-Cox随机波动率模型，J.Empir。财务。15（3）（2008），第549-566页。doi:10.1016/j.jempfin.2007.05.002·doi:10.1016/j.jempfin.2007.05.002
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。