布朗运动路径有多粗糙
固定有限时间区间及 0<γ<1/2,讨论标准布朗运动路径几乎处处的 Hölder 连续性,其中常数可以依赖样本路径。再讨论 γ>1/2 时,非退化区间上的一致 Hölder 性质。
提示 1点击展开
从布朗增量的高阶绝对矩随时间差缩放的规律出发,再考虑适用的连续性定理。
提示 2点击展开
分清固定一对时点的性质与区间内所有时点同时满足的性质,也分清确定常数与随机常数。
提示 3点击展开
比较路径增量尺度与所要求的时间幂次,必要时借助二次变差检查过强的光滑性要求。
当价格在交易中持续变化时,离散时间模型需要与连续时间的描述衔接。本章从布朗运动、随机积分与伊藤引理出发,介绍扩散过程和随机微分方程,再讨论扩散模型的极大似然估计、转移密度近似及设定检验。重点是理解模型如何描述价格动态,以及统计推断在什么条件下成立。
后半章利用高频交易数据研究二次变差和已实现波动率,并讨论微观结构噪声、异步交易对估计的影响。学完后,你应能区分潜在的连续时间价格过程与实际观测到的高频数据,理解为什么提高采样频率不一定能得到更准确的估计。
本章选取 4 道习题。先独立思考,遇到困难时再逐步展开提示;完整题面及数据要求请参阅教材。
固定有限时间区间及 0<γ<1/2,讨论标准布朗运动路径几乎处处的 Hölder 连续性,其中常数可以依赖样本路径。再讨论 γ>1/2 时,非退化区间上的一致 Hölder 性质。
从布朗增量的高阶绝对矩随时间差缩放的规律出发,再考虑适用的连续性定理。
分清固定一对时点的性质与区间内所有时点同时满足的性质,也分清确定常数与随机常数。
比较路径增量尺度与所要求的时间幂次,必要时借助二次变差检查过强的光滑性要求。
对给定伊藤过程推导光滑函数的随机微分,并将结果分别应用于平方函数和带漂移的布朗运动。
进行二阶泰勒展开时,注意布朗增量的平方与时间增量同阶。
平方函数是检验推导的好例子:比较结果与普通链式法则,并用取期望做一次自检。
使用多只股票的高频数据比较已实现协方差、已实现核及预平均估计,并据此构造最小方差组合。如果不允许卖空,如何处理负权重?
先处理交易时间、重复记录和不同股票的异步观测,再明确各方法针对的噪声与采样问题。
检查协方差矩阵是否半正定以及数值上是否可稳定求逆;估计误差可能被求逆放大。
将禁止卖空写成优化约束,重新求解;简单删除负权重再归一化未必仍是该约束下的最优组合。
在潜在连续价格上加入观测噪声,比较 RV、TSRV、已实现核与预平均方法的估计表现,并讨论多资产协方差估计中的实现方式。
先生成潜在价格及其真实积分方差或协方差,再单独加入噪声,使评价有明确的基准。
改变采样频率和噪声强度,观察更加密集的观测是否一定改善 RV;将偏差与变异分开报告。
单资产方差估计与多资产协方差估计的实现不完全相同;说明交叉项构造、同步方式及矩阵半正定性。
从布朗运动和扩散过程进入连续时间建模,并了解高频数据中的波动率估计问题。
正文演示:模拟标准布朗运动路径,观察时间步长和随机增量的关系。
数据说明:默认演示是模拟路径;高频行情片段需另备带时间戳的交易数据。
打开本章 GitHub 目录 ↗ 查看本章代码索引点击下方条目可在线查看源码,或从 GitHub 下载。
采样越密,波动率估计一定越好吗?将连续价格路径与带有测量噪声的观测放在一起,观察采样频率如何改变已实现方差。
动手实践:模拟布朗运动和几何布朗运动;计算不同采样间隔的已实现方差;绘制波动率特征图。
数据说明:模拟连续价格路径及独立观测噪声,时间区间长度为 1。
打开本章 Python 目录 ↗ 查看 Python 导读与运行说明书中 R 示例与公开数据按章整理,附有运行说明。可从各章演示程序开始,也可对照正文逐段学习。点击或扫描二维码即可打开仓库。
github.com/Jiajing-Sun/financial-econometrics-r