確率的ボラティリティ モデル †資産価格の収益率の時系列を確率過程としてモデル化し、そのリスク(金融時系列の標準偏差:ボラティリティと呼ぶ)を観測されたデータから推定するためのモデルである。
離散時間モデル:SVモデル †Rt =(St − St−1)/St−1 とし,離散時間の次のSV式を考える. Rt = σt εt log σ^2t = γ + φ log σ^2t-1 + ηt ここで,{εt} ∼ NID(0, 1), {ηt} ∼ NID(0, σ^2η)で互いに独立
SV モデルの推定 †SV モデルにはパラメータγ, φ, σ^2η が含まれている.これらを推定するために,SV モデル を次のように表現する. log R^2t= μ + log σ^2t + ξt (2-1) log σ^2 t = γ + φ log σ^2t−1 + ηt (2-2) ここで,μ = E(log ε^2t), ξt = log ε^2t− E(log ε^2t).
SVモデルの性質 †(a) 収益率{Rt} の条件付き分布はnonnormal (b) 厳密な尤度関数を導出することは不可能 (c) log R^2tはARMA(1,1) モデル log R^2t= φ log R^2 t−1 + μ(1 − φ) + γ + ηt + ξt − φξt−1 に従う. ここで,ηt はnormal,しかしξt はnonnormal. カルマンフィルタの適用:状態空間モデル †SV モデルにはパラメータγ, φ, σ^2η が含まれている.これらを推定するために,SV モデル を次のように表現する. log R^2t= μ + log σ^2t + ξt (2-1) log σ^2 t = γ + φ log σ^2t−1 + ηt (2-2) ここで,μ = E(log ε^2t), ξt = log ε^2t− E(log ε^2t). γ = 0 としよう。前のSVモデルから μ = −1.270363, σ^2ξ = V (ξt) = π^2/2 である。 そこで、未知のパラメータは、φ とλ = V (ηt)/σ^2ξ = σ^2/σ^2ξ である。 これらは,次の尤度関数の最大化により求めることができる。
一般的モデル †Andersen(1994) は多くのモデルを含む以下のような一般的なモデルを考案した. σ^qt = g(Kt), q∈ {1, 2} Kt = w + βKt−1 + [γ + αKt−1]ut ただし,˜ut = ut−1 は平均0,分散1 のホワイトノイズ
参考 †
|