[論文レビュー] A multivariate multifractal model for return fluctuations

Emmanuel Bacry, J. Delour+1 more|arXiv (Cornell University)|Sep 18, 2000

Complex Systems and Time Series Analysis参考文献 1被引用数 5

ひとこと要約

本稿では、あらゆる時間スケールで金融資産リターンの線形および非線形相関を捉えることのできる多変量多フラクタル確率ウォーク（MMRW）モデルを提案する。単一の確率的ボラティリティ過程を用いて一変量多フラクタルボラティリティモデルを多変量フレームワークに拡張することで、MMRWはわずかなパラメータ数で、長距離にわたるボラティリティ依存性、尖った尾部を持つリターン分布、時間スケール依存の相関といった主要な経験的特徴を正確に再現する。CAC40データにおける独立したパラメータ推定器間の強い一貫性が得られている。

ABSTRACT

In this paper we briefly review the recently inrtroduced Multifractal Random Walk (MRW) that is able to reproduce most of recent empirical findings concerning financial time-series : no correlation between price variations, long-range volatility correlations and multifractal statistics. We then focus on its extension to a multivariate context in order to model portfolio behavior. Empirical estimations on real data suggest that this approach can be pertinent to account for the nature of both linear and non-linear correlation between stock returns at all time scales.

研究の動機と目的

• あらゆる時間スケールで複数の金融資産の統計的挙動を捉えることのできる、多フラクタル確率ウォーク（MRW）モデルの多変量拡張を開発すること。
• 標準的なモデルが時間軸にわたって一貫して再現できない、リターンにおける線形および非線形相関を捉えること。
• CAC40インデックスの経験的データを用いてモデルを検証し、独立したパラメータ推定手法間の一貫性を示すこと。
• ポートフォリオ内のすべての資産に共通のボラティリティ過程を仮定する簡素化されたMMRWが、複雑さを軽減しながらも主要な統計的特徴を保持する良好な近似であることを示すこと。

提案手法

• 資産間で共通の確率的ボラティリティ過程を用いることで、一変量多フラクタル確率ウォーク（MRW）モデルを多変量設定に拡張し、スケール不変性と定常増分を確保する。
• MMRWは、多フラクタル行列 $\mathbf{\Lambda}$、積分スケール $T_{ij}$、およびマーケィット・ノイズ行列 $\mathbf{\Sigma}$ で定義され、これらはそれぞれ多フラクタルスケーリング、ボラティリティの持続性、資産間ノイズを統合的に制御する。
• 連合モーメントスケーリング則 $\mathbb{E}[|X_i(l)|^q |X_j(l)|^q] \sim l^{-\mathbf{\Lambda}_{ij} q^2}$ を用いて、連合リターンの多フラクタル構造を特徴付ける。
• 二つの独立した $\mathbf{\Lambda}_{ij}$ 推定器を用いる：一つは増分の絶対値の相関に基づく（式13）、もう一つはクロスモーメントのスケーリングに基づく（式15）ことで、モデルの検証が可能になる。
• 日次CAC40データ（1993–2000）にモデルを適用し、絶対モーメントの経験的スケーリングおよびクロスモーメント比のスケーリングを用いてパラメータを推定する。
• 異なる手法からのパラメータ推定値を比較することでモデルの一貫性を検証し、$\mathbf{\Lambda}_{12}$ については高い一致が得られ、すべての資産ペアにおける $\mathbf{\Lambda}_{ij}$、$T_{ij}$、$\mathbf{\Sigma}_{ij}$ のヒストグラムも一貫性を示している。

実験結果

リサーチクエスチョン

• RQ1 MMRWモデルの多変量拡張は、あらゆる時間スケールでリターンの線形および非線形相関を捉えることができるか？
• RQ2 異なる統計的推定器から得られるMMRWの多フラクタルパラメータは、経験的に一貫した推定値を示すか？
• RQ3 ポートフォリオ内のすべての資産に共通の多フラクタルボラティリティ過程を仮定することは妥当な近似であり、モデルの複雑さを軽減しながらも忠実性を損なわないか？
• RQ4 実際の金融データにおいて、異なる資産ペアの間で推定された積分スケール $T_{ij}$ および多フラクタル行列 $\mathbf{\Lambda}_{ij}$ はどのように比較されるか？
• RQ5 MMRWモデルは、大きなスケールではガウス分布に、細かいスケールでは尖った尾部を持つように、リターン確率密度関数の時間スケール依存的進化を再現できるか？

主な発見

• 多フラクタル行列の非対角成分 $\mathbf{\Lambda}_{12}$ は、クロスモーメントスケーリング推定器を用いて $\simeq 0.032$、絶対値相関推定器を用いて $\simeq 0.036$ と推定され、独立した手法間で強い一貫性が確認された。
• すべてのCAC40資産ペアにおける $\mathbf{\Lambda}_{ij}$ ヒストグラムは $\simeq 0.02$ でピークを示し、一変量MRWモデルで得られる典型的な $\lambda_i^2$ 値と整合的である。
• $T_{ij}$（ボラティリティ相関時間スケール）のヒストグラムは1〜2年でピークを示し、一変量解析で観察される典型的な $T_i$ 値と一致する。
• $\mathbf{\Sigma}_{ij}$（ノイズ相関行列）のヒストグラムは $\simeq 4.10^{-6}$ でピークを示し、一変量推定値の $\sigma^2$ と整合的である。
• 経験的結果は、CAC40のすべての資産が共通の多フラクタルボラティリティ過程を持つと仮定することが妥当であり、モデルの複雑さを顕著に軽減しながらも統計的正確性を保持できることを支持する。
• MMRWモデルは、価格リターンの相関欠如、長距離ボラティリティ相関、および時間スケールに応じたリターン確率密度関数のガウス分布から尖った尾部への進化といった主要な経験的特徴を、うまく再現している。