[論文レビュー] Volatility around the clock: Bayesian modeling and forecasting of intraday volatility in the nancial crisis

Jonathan Stroud, Michael Johannes|arXiv (Cornell University)|Nov 13, 2012

Financial Risk and Volatility Modeling参考文献 28被引用数 1

ひとこと要約

本稿では、2007–2009年の金融危機期における5分間隔のインtradayリターンを用いて、複数の確率的ボラティリティ要因、ジャンプ、季節性、市場マイクロ構造効果を推定するベイジアン階層モデルを提案する。実現ボラティリティの集約を伴わない統合MCMCおよびパーティクルフィルタアプローチを採用することで、ベンチマーク比で予測精度が最大50%向上する。

ABSTRACT

High frequency data provides a rich source of information for understanding nan- cial markets and time series properties of returns. This paper estimates models of high frequency index futures returns using 'around the clock' 5-minute returns that incorporate the following key features: multiple persistent stochastic volatility factors, jumps in prices and volatilities, seasonal components capturing time of the day pat- terns, correlations between return and volatility shocks, and announcement eects. We develop an integrated MCMC approach to estimate interday and intraday parameters and states using high-frequency data without resorting to various aggregation measures like realized volatility. We provide a case study using nancial crisis data from 2007 to 2009, and use particle lters to construct likelihood functions for model comparison and out-of-sample forecasting from 2009 to 2012. We show that our approach improves realized volatility forecasts by up to 50% over existing benchmarks.

研究の動機と目的

• 高頻度データを用いて2007–2009年の金融危機期におけるイントラデイボラティリティダイナミクスをモデル化すること。
• 複数の持続的確率的ボラティリティ要因、価格およびボラティリティのジャンプ、時間帯に依存する季節的パターンを組み込むこと。
• リターンとボラティリティショックの相関関係およびマクロ経済発表の影響を推定すること。
• パーティクルフィルタとMCMCを用いた尤度ベースのモデル比較および予測フレームワークの構築。
• 集約を伴わない完全な高頻度データを用いたベイジアンアプローチにより、実現ボラティリティベンチマークを上回るボラティリティ予測精度を実現すること。

提案手法

• インデックス・ファイユーチャージの5分間隔リターンを用いて、複数の確率的ボラティリティ要因を有するイントラデイボラティリティをモデル化する。
• 日次およびイントラデイのパラメータと未観測状態を同時に推定するベイジアン階層モデルを採用する。
• パラメータと状態の同時後確率分布からのサンプリングのために統合マルコフ連鎖モンテカルロ（MCMC）アルゴリズムを適用する。
• ボラティリティ方程式における決定的季節成分を用いて時間帯に依存する季節性を組み込む。
• 未観測のポアソン過程とジャンプサイズ分布を用いてリターンおよびボラティリティのジャンプをモデル化する。
• モデル比較および2009年から2012年の予測のための尤度関数を構築するためにパーティクルフィルタを活用する。

実験結果

リサーチクエスチョン

• RQ1 複数の確率的ボラティリティ要因およびジャンプは、金融危機期におけるイントラデイボラティリティダイナミクスにどのように影響を与えるか？
• RQ2 時間帯に依存する季節的パターンおよび発表効果の組み込みは、ボラティリティモデリングにどの程度寄与するか？
• RQ3 完全にベイジアンで、集約を伴わない高頻度データのアプローチは、実現ボラティリティベンチマークを上回る予測性能を示せるか？
• RQ4 市場ストレス期におけるリターンとボラティリティショックの連携ダイナミクスは、モデルがどの程度適切に捉えられるか？
• RQ5 2009年から2012年の予測期間におけるモデルの予測性能はいかがなものか？

主な発見

• 提案されたモデルは、既存のベンチマーク比で予測精度が最大50%向上する。
• 複数の確率的ボラティリティ要因およびジャンプの組み込みにより、モデルのフィットと予測精度が顕著に向上する。
• 時間帯に依存する季節成分および発表効果の組み込みにより、それらを含まないモデルに比べ、イントラデイボラティリティパターンの捉え方がより効果的になる。
• パーティクルフィルタを用いた尤度構築により、信頼性の高いモデル比較および予測外評価が可能になる。
• MCMCフレームワークにより、実現ボラティリティ測定に依存せずに、日次およびイントラデイのパラメータと未観測状態を効果的に推定できた。
• モデルは危機期後の期間（2009–2012年）においても強く予測力を持つことが示され、危機期を越えた頑健性が裏付けられる。