ファクター多変量実現確率的ボラティリティ変動モデル

因子多元实现随机波动率变化模型

基本信息

批准号：
17J04715
负责人：
山内雄太
金额：
$ 1.15万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2017
资助国家：
日本
起止时间：
2017-04-26 至 2019-03-31
项目状态：
已结题

项目摘要

多次元の資産収益率の系列をモデリングする多変量実現確率的ボラティリティ変動モデルにファクター構造と高頻度データの両方を取り入れたモデルを提案した．本モデルでは，多次元の資産収益率の変動を共通のファクターの変動で説明するファクター構造によりパラメータの次元を削減するとともに，日中の取引のデータである高頻度データから資産収益率間の共分散に関する情報を取り出すことでモデルの推定を安定させることができる．本モデルの推定においては，ファクターを用いたモデルにおいて高頻度データの情報を効率的に取り入れる方法を提案した．提案モデルを用いてシミュレーションデータ分析を行った結果，高頻度データの情報を用いることでパラメータ推定やボラティリティの推定を安定させ，真のパラメータの値を上手く復元することができることを示した．さらに，アメリカ株式市場の株式リターンのデータを用いた実データ分析によって，現実の株式市場に対するモデルの当てはまりを示した．これまで，多変量の資産収益率を扱う確率的ボラティリティ変動モデルではパラメータや潜在変数の推定がその次元の大きさから困難であるという問題があったが，推定するパラメータを節約できるファクター構造の有用性や，推定するための情報を増やす高頻度データを利用する手法の有用性を示したことで，そうした問題を解決することができた．これにより，複数の資産収益率を扱うポートフォリオ分析やリスク管理の分野により精度の高い統計モデリングを応用することができる．また，高頻度データを用いた別のモデルとして，高頻度データから計算された相関係数に対する推定値である実現相関係数を用いたモデルの研究を進展させた．既存の高頻度データを用いた手法（HEAVYモデル，HARモデル）との比較をポートフォリオ設計の観点から行い，提案手法が予測力に優位性を持っていることを示した．

我们提出了一个模型，该模型将因子结构和高频数据纳入多元实现的随机波动波动模型中，该模型模拟了一系列多维资产回报率。在此模型中，可以通过因子结构来缩小参数的尺寸，该因子结构解释了多维资产回报率的波动，作为共同因素的波动，并且可以通过从高频数据中提取资产回报率之间的协方差来稳定模型的估计，这是从日至日交易的数据。在估计此模型时，我们提出了一种方法，可以在模型中有效地合并高频数据中的信息。使用建议模型的模拟数据分析表明，使用高频数据的信息稳定参数估计和波动率估计，并且可以成功恢复真实参数的值。此外，使用美国股票市场的股票回报数据进行的实际数据分析显示，该模型适合实际股票市场。到目前为止，涉及多元资产回报率的随机波动波动模型一直存在问题，其中参数和潜在变量由于其尺寸而难以估算，但是我们已经能够通过显示因要素结构的实用性来解决此问题，这些因素可以节省估计的参数和使用高频数据的方法来增加信息的估计参数，从而增加了信息的信息，以增加信息的估计数据。这允许将高度准确的统计建模应用于投资组合分析和风险管理的领域，该领域处理多个资产回报。此外，我们还使用实现的相关系数进行了对模型的高级研究，这是使用高频数据计算出的相关系数的估计。我们从投资组合设计的角度使用高频数据（重型模型和HAR模型）比较了现有方法，并表明所提出的方法在预测能力方面具有优势。

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Multivariate stochastic volatility model with realized volatilities and pairwise realized correlations

具有已实现波动率和成对已实现相关性的多元随机波动率模型

DOI：
10.1080/07350015.2019.1602048
发表时间：
2019
期刊：
Journal of Business and Economic Statistics
影响因子：
3
作者：
Okazaki Tetsuji;Onishi Ken;Wakamori Naoki;末近浩太;Yuta Yamauchi and Yasuhiro Omori
通讯作者：
Yuta Yamauchi and Yasuhiro Omori

Factor multivariate realized stochastic volatility model

因子多元实现随机波动率模型