[论文解读] First exit-time analysis for an approximate Barndorff-Nielsen and Shephard model with stationary self-decomposable variance process

Shantanu Awasthi, Indranil SenGupta|arXiv (Cornell University)|Jun 12, 2020

Stochastic processes and financial applications参考文献 35被引用 4

一句话总结

本文提出了一种分析框架，用于近似Barndorff-Nielsen和Shephard（BN-S）模型的首次 hitting 时间，该模型由几何布朗运动和具有平稳、自相似方差过程的Lévy子扩散过程驱动。通过将首次 hitting 时间分解为几何布朗运动和子扩散过程的组成部分，作者利用拉普拉斯变换和特殊函数推导出显式概率密度函数，并在S&P 500数据上进行了验证，结果表明在市场崩盘期间子扩散过程的动力占主导地位，而在稳定时期则几何布朗运动占主导地位。

ABSTRACT

In this paper, an approximate version of the Barndorff-Nielsen and Shephard model, driven by a Brownian motion and a L\'evy subordinator, is formulated. The first-exit time of the log-return process for this model is analyzed. It is shown that with certain probability, the first-exit time process of the log-return is decomposable into the sum of the first exit time of the Brownian motion with drift, and the first exit time of a L\'evy subordinator with drift. Subsequently, the probability density functions of the first exit time of some specific L\'evy subordinators, connected to stationary, self-decomposable variance processes, are studied. Analytical expressions of the probability density function of the first-exit time of three such L\'evy subordinators are obtained in terms of various special functions. The results are implemented to empirical S&P 500 dataset.

研究动机与目标

• 开发一种在随机波动率框架下对对数收益首次 hitting 时间具有解析可处理性的模型。
• 将近似BN-S模型的首次 hitting 时间分解为几何布朗运动和带 drift 的Lévy子扩散过程的贡献。
• 利用特殊函数，推导特定自相似Lévy子扩散过程的首次 hitting 时间的显式概率密度函数。
• 利用S&P 500日收益率实证数据验证理论框架。
• 通过分析扩散与跳跃成分对首次 hitting 时间的相对贡献，提供对市场崩盘动力学的洞察。

提出的方法

• 构建一个由几何布朗运动和具有平稳、自相似方差过程的Lévy子扩散过程驱动的近似BN-S模型。
• 利用分解性质，将对数收益过程的首次 hitting 时间表示为几何布朗运动和子扩散过程首次 hitting 时间的和。
• 应用拉普拉斯变换及反拉普拉斯变换技术，推导首次 hitting 时间的概率密度函数。
• 利用已知的特殊函数结果，包括不完全伽马函数和广义超几何函数，显式表达密度函数。
• 借助引理4.2和引理4.1，处理包含幂函数和伽马函数的复杂数学表达式的反拉普拉斯变换。
• 将模型参数校准至S&P 500实证数据，并通过数值直方图和概率密度图验证理论密度函数。

实验结果

研究问题

• RQ1 近似BN-S模型中对数收益过程的首次 hitting 时间能否分解为几何布朗运动和Lévy子扩散过程的贡献？
• RQ2 自相似Lévy子扩散过程的首次 hitting 时间的概率密度函数的显式解析形式是什么？
• RQ3 在市场稳定期与波动期，几何布朗运动与子扩散过程成分对首次 hitting 时间分布的贡献有何不同？
• RQ4 所推导的解析表达式能否在真实金融数据（如S&P 500指数）上有效校准与验证？
• RQ5 在类似市场崩盘的事件中，子扩散过程成分在首次 hitting 时间分布中占据多大主导地位？

主要发现

• 在近似BN-S模型中，对数收益过程的首次 hitting 时间可分解为带 drift 的几何布朗运动与带 drift 的Lévy子扩散过程首次 hitting 时间之和。
• 利用特殊函数（包括不完全伽马函数和广义超几何函数），为三种特定自相似Lévy子扩散过程推导出首次 hitting 时间的显式概率密度函数。
• 对于S&P 500数据集，在低波动率时期，几何布朗运动成分主导首次 hitting 时间分布；而在高波动率或崩盘类波动时期，子扩散过程成分成为主导。
• 基于实证数据的数值结果证实了理论分解的有效性，首次 hitting 时间的直方图与模型预测的密度函数高度一致。
• 通过 t = 1, 2, 3, 4 时的概率密度函数图示，验证了所推导的解析表达式，理论预测与实证模式表现出强一致性。
• 本研究为改进现有随机波动率模型提供了基础，通过引入子扩散过程实现长程依赖性，尤其在建模极端市场事件方面具有重要意义。