実現確率的ボラティリティ変動モデルにおける非対称性モデリング

已实现的随机波动率波动模型中的不对称建模

基本信息

批准号：
22K13376
负责人：
山内雄太
金额：
$ 1.91万
依托单位：
Nagoya University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

(A) 誤差項に非対称性を導入した確率的ボラティリティ変動モデルの提案を行い，モデル間のパフォーマンスを比較した。非対称性を導入していないモデルと導入したモデルの間で比較を行った他，非対称性を持つ分布として何を用いるかによって，モデルのパフォーマンスが変化することを示した。また，高頻度データの情報を取り入れるモデルを提案し，高頻度データを用いることによってどのようにモデルのパフォーマンスが改善するかを示した。モデル間でパフォーマンスを比較するために，分布の裾のリスク評価の指標であるVaRおよびESに対するモデルの予測性能を実データ分析から検証した。データは日経平均株価やダウ平均株価といった株価指数を用いた。本研究はVaRおよびESの予測の評価に，VaRとESを同時に評価する損失関数を用いた。モデルごとに1日先のVaRおよびESの予測を繰り返し（500日程度）行い，得られた予測系列に対して損失を計算し，モデル間の損失の差が統計的に有意性を持っているかを予測性能に対する検定を用いて明らかにした。(B) ファクターを用いた確率的ボラティリティ変動モデルにおいて高頻度データの情報を用いることでパラメータおよび潜在変数の推定を安定化させる手法を提案した。本研究の提案手法のパフォーマンスを見るために、複数の株式収益率の時系列データを用いてモデルの推定を行い，モデルの予測を用いたポートフォリオのパフォーマンスを既存手法と比較した。結果として，提案手法を用いることにより、既存手法を用いるよりもポートフォリオのパフォーマンスが向上することを明らかにした。

（a）我们提出了一个随机波动波动模型，其中将不对称性引入误差项，并比较模型之间的性能。除了比较不引入不对称的模型和引入它们的模型外，我们还表明，模型的性能会根据不对称性的分布而变化。我们还提出了一个模型，该模型结合了来自高频数据的信息，并证明了如何通过使用高频数据来提高模型的性能。为了比较模型之间的性能，从实际数据分析中验证了VAR和ES模型的预测性能，这些模型是分布尾部的风险评估指标。数据基于股票指数，例如Nikkei股票的平均值和道琼斯琼斯工业平均水平。这项研究使用了同时评估Var和ES评估VAR和ES的损失函数。在预测的预测序列中，对每个模型进行了反复预测的VAR和ES，并计算了预测性能的损失，并使用预测性能的测试来确定模型之间损失的差异是否具有统计学意义。（b）提出了一种使用因子使用随机波动性变化模型中的高频数据中的信息来稳定参数和潜在变量估计的方法。为了查看本研究中提出的方法的性能，使用多个股票回报率的时间序列数据进行了模型估计，并将使用模型预测的投资组合绩效与现有方法进行了比较。结果，我们透露，与使用现有方法相比，使用建议的方法可以改善投资组合的性能。

项目成果

期刊论文数量（2）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Dynamic factor, leverage and realized covariances in multivariate stochastic volatility

多元随机波动率中的动态因子、杠杆和已实现协方差

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
Amanda Chu;Yasuhiro Omori and Mike So;Hing-yu So;森　伸生;Yoshikuni Ono & Hirofumi Miwa;Tetsuki Tamura;Daisuke Adachi and Yukiko Umeno Saito;Nobutaka Otobe;山内雄太・大森裕浩
通讯作者：
山内雄太・大森裕浩