[論文レビュー] Volatility made observable at last

Michel Fliess, Cédric Join+1 more|arXiv (Cornell University)|Feb 3, 2011

Mathematical and Theoretical Analysis参考文献 25被引用数 7

ひとこと要約

本稿は、非標準解析とCartier-Perrin定理を用いて、数学的に厳密でモデルフリーな金融ボラティリティの定義を提案する。これにより、信号処理技術を用いてボラティリティ、リターン、ベータ、シャープ比・トレーナー比を正確に推定可能となり、従来のARCHモデルを上回る精度の高い、計算可能な予測が得られる。この手法は、定量的ファイナンスにおけるボラティリティの新たな観察可能フレームワークを提供する。

ABSTRACT

The Cartier-Perrin theorem, which was published in 1995 and is expressed in the language of nonstandard analysis, permits, for the first time perhaps, a clear-cut mathematical definition of the volatility of a financial asset. It yields as a byproduct a new understanding of the means of returns, of the beta coefficient, and of the Sharpe and Treynor ratios. New estimation techniques from automatic control and signal processing, which were already successfully applied in quantitative finance, lead to several computer experiments with some quite convincing forecasts.

研究の動機と目的

• 金融ボラティリティの定義に長年の曖昧さが存在するが、これは広く使われているが直接観察できない。
• 非標準解析とCartier-Perrin定理を用いて、ボラティリティの明確で数学的な基盤を提供する。
• 自動制御および信号処理の技術を応用し、ボラティリティおよび関連する金融指標の計算効率の良い推定手法を開発する。
• シャープ比やトレーナー比といったパフォーランス指標の信頼性を高めるために、観察可能で平均に基づく定義に根ざした手法を提供する。
• ARCHのようなパrametricモデルに依存せずに、数値微分およびノイズ除去技術を用いて、正確なボラティリティ予測を可能にする。

提案手法

• 非標準解析を用いて、無限小のサンプリングを用いて金融時系列を滑らかな平均成分と急激に変動する成分に分解する。
• 時間窓内での対数リターンの2次モーメントと平均の二乗の差の平方根として、リターンの分散およびボラティリティを定義する。
• S-可積分性とほとんど連続性を用いて、分解および推定プロセスにおける数学的厳密性を保証する。
• 信号処理の数値微分およびノイズ除去技術を用いて、高頻度データから平均およびその微分を推定する。
• 資産リターンとマーケットリターンの共分散と分散の比としてベータ係数を計算するが、両者とも平均に基づいて定義される。
• シャープ比およびトレーナー比を、時間的に変化する観察可能な平均リターンと時間的に変化するボラティリティの比として導出する。

実験結果

リサーチクエスチョン

• RQ1 確率的モデルや仮定に依存せずに、数学的に厳密かつ観察可能な方法でボラティリティを定義できるか？
• RQ2 リターンの平均を一貫して推定することで、ベータ、シャープ比、トレーナー比の定義を改善できるか？
• RQ3 信号処理技術が、従来のARCH型モデルよりも正確で信頼性の高いボラティリティ予測を可能にするか？
• RQ4 リターンに非定常な平均成分が存在する場合、標準的なパフォーマンス指標の正確性にどの程度影響を与えるか？
• RQ5 提案手法は、実際の金融時系列において、従来の手法よりも効果的にボラティリティのパターンを検出・予測できるか？

主な発見

• 本稿は、非標準解析を用いて、モデルフリーで数学的に厳密なボラティリティの定義を確立し、Cartier-Perrin定理により直接観察可能であることを示した。
• ボラティリティは、正規化された対数リターンの2次モーメントと平均の二乗の差の平方根として定義され、平均はルベーグ可積分かつ滑らかである。
• 本手法は、5日および20日予測期間において、IBM、JPMorgan、コカ・コーラのデータを用いた著者の実験で、従来のARCHモデルを上回る高い精度のボラティリティ予測を達成した。
• シャープ比は、時間的に変化する平均リターンと時間的に変化するボラティリティの比として再定義され、より動的で正確なパフォーマンス指標となった。
• ベータ係数は、平均に基づく共分散と分散を用いて再定義され、金融モデルにおける従来のベータ推定の批判を回避した。
• 本手法はリターンおよびボラティリティのトレンドを効果的に捉えており、可視化では高市場ノイズ下でも安定的で明確なトレンドを示している。