[論文レビュー] The CTRW in finance: Direct and inverse problems

Jaume Masoliver, Miquel Montero+2 more|arXiv (Cornell University)|Aug 1, 2003

Complex Systems and Time Series Analysis被引用数 6

ひとこと要約

本稿は、連続時間ランダムウォーク（CTRW）フレームワークを拡張し、イントラデイおよびデイリーの金融価格分布をモデル化する。直接的（高頻度から低頻度）および逆問題的（低頻度から高頻度）な問題を解決する。CTRWが、待ち時間とジャンプサイズを重い尾を持つ分布としてモデル化することにより、ファットテイルやボラティリティクラスタリングといった金融データのスタイライズドファクトを効果的に捉えられることを示している。

ABSTRACT

We study financial distributions within the framework of the continuous time random walk (CTRW). An earlier approach is modified to account for the possibility of obtaining the distribution of daily or longer-time prices, in addition to the existing model for intraday prices. We thus treat both the direct problem (from high-frequency data to low-frequency statistics) and indirect problem (from low-frequency data to high-frequency statistics). Finally the formalism is applied to actual financial data.

研究の動機と目的

• イントラデイ価格ダイナミクスに加え、より長い時間スケール（例：デイリー）の価格分布をモデル化するため、CTRWフレームワークを拡張すること。
• 高頻度データから低頻度統計を導出する直接問題を、CTRWを用いて解決すること。
• 観測された低頻度金融データから高頻度ダイナミクスを同定する逆問題を解くこと。
• 特にファットテイルやボラティリティクラスタリングといった重要なスタイライズドファクトを捉えることに関して、CTRWモデルを実証的金融データと照合して検証すること。

提案手法

• 価格変動を連続時間におけるランダムウォークとしてモデル化し、取引間の待ち時間とジャンプサイズの両方が重い尾を持つ分布に従うようにCTRW形式を適応する。
• 価格インクリメントの確率密度関数の時間発展を記述する一般化されたマスター方程式を導入する。
• 特徴関数とフーリエ変換を用いて、異なる時間スケールにおけるリターン分布を解析的に導出する。
• 逆問題の手法を適用し、実証的低頻度リターン分布にモデルをフィットさせ、裏付けとなる高頻度の待ち時間およびジャンプサイズ分布を逆算的に算出する。
• 金融市場からの実データを用いて、モデルの予測を観測されたリターン統計と照合してキャリブレーションおよび検証する。

実験結果

リサーチクエスチョン

• RQ1 CTRWフレームワークは、イントラデイおよびデイリーの金融リターンの統計的性質を正確に記述できるか？
• RQ2 CTRWモデルは、低頻度リターンデータから高頻度ダイナミクスをどの程度正確に再構築できるか？
• RQ3 CTRWモデルは、ファットテイルやボラティリティクラスタリングといった金融時系列の主要なスタイライズドファクトをどの程度うまく捉えられるか？
• RQ4 市場マイクロ構造をモデル化する際に、重い尾を持つ待ち時間およびジャンプサイズを使用する意義は何か？

主な発見

• CTRWモデルは、デイリー・リターンを含む、複数の時間スケールにおける金融リターン分布のファットテイル特性を成功裏に捉えている。
• 逆問題の解法により、低頻度データから高頻度価格ダイナミクスを信頼性高く再構築でき、モデルの整合性が裏付けられた。
• モデルは、時間スケールにわたるリターンボラティリティのスケーリング行動を観測結果と整合的に再現している。
• CTRWフレームワークにおいて重い尾を持つ待ち時間とジャンプサイズを用いることで、標準的なブラウン運動モデルに比べ、ボラティリティの持続性とクラスタリングをよりよく説明できるようになった。