[论文解读] Random cascade model in the limit of infinite integral scale as the exponential of a non-stationary $1/f$ noise. Application to volatility fluctuations in stock markets

Jean–François Muzy, Rachel Baïle+1 more|RePEc: Research Papers in Economics|Jan 17, 2013

Complex Systems and Time Series Analysis被引用 5

一句话总结

本文提出了一种非平稳随机波动率模型，其中波动率波动被建模为非平稳 $1/f$ 噪声过程的指数形式，从而在积分尺度趋于无穷的极限下有效模拟连续随机分形。该模型通过将IGARCH效应及估计积分尺度对样本长度的强依赖性归因于内在非平稳性，而非有限的分形启动尺度，从而解释了这些现象。

ABSTRACT

In this paper we propose a new model for volatility fluctuations in financial time series. This model relies on a non-stationary gaussian process that exhibits aging behavior. It turns out that its properties, over any finite time interval, are very close to continuous cascade models. These latter models are indeed well known to reproduce faithfully the main stylized facts of financial time series. However, it involve a large scale parameter (the so-called "integral scale" where the cascade is initiated) that is hard to interpret in finance. Moreover the empirical value of the integral scale is in general deeply correlated to the overall length of the sample. This feature is precisely predicted by our model that turns out, as illustrated on various examples from daily stock index data, to quantitatively reproduce the empirical observations.

研究动机与目标

• 解决在连续随机分形模型应用于金融波动率时，积分尺度定义的模糊性问题。
• 解释为何金融时间序列中经验估计的积分尺度与样本长度强烈相关。
• 在不假设有限且具有物理解释的积分尺度的前提下，对金融收益的波动率持续性和多分形标度进行建模。
• 证明非平稳波动率可再现有限时间区间内多分形分形的统计特性。
• 提供一种理论基础坚实的连续时间替代模型，以替代GARCH模型，自然地捕捉长程波动率相关性与IGARCH效应。

提出的方法

• 将波动率过程构造为具有 $1/f$ 类长程依赖性的非平稳高斯过程的指数形式。
• 在无限积分尺度极限下，采用无穷可分随机测度与连续随机分形（如MRW模型）的框架。
• 通过级联测度 $M_{\tau}(t)$ 的极限定义该过程，并证明当尺度 $\tau \to 0$ 时，该极限在均方意义下收敛。
• 利用协方差结构 $\mathbb{E}[\omega_\ell(u)\omega_\ell(v)] = \lambda^2 \ln(\max(u,v)/|u-v|)$ 来建模长程相关性。
• 推导出矩标度行为 $\mathbb{E}[|\delta_\tau X(t)|^q] \sim C_q \tau^{\zeta(q)}$，并证明 $\zeta(q)$ 为凹函数，意味着除非 $T \to \infty$，否则标度范围有限。
• 通过经验估计幅值协方差对模型进行验证，结果与理论形式 $\lambda^2 \ln(T/\tau)$ 一致。

实验结果

研究问题

• RQ1 为何金融波动率模型中经验估计的积分尺度与观测窗口长度强烈相关？
• RQ2 具有 $1/f$ 类相关性的非平稳过程能否再现金融收益中观察到的多分形标度与波动率聚集现象？
• RQ3 是否可以通过将波动率建模为非平稳过程，从而在连续随机分形模型中消除对有限积分尺度的需求？
• RQ4 无限积分尺度极限如何影响波动率增量的标度行为？
• RQ5 非平稳 $1/f$ 噪声过程在多大程度上能再现金融波动率的经验特性，包括长程依赖性与IGARCH效应？

主要发现

• 该模型的波动率过程被定义为非平稳 $1/f$ 噪声的指数形式，在任意有限时间区间内均能再现连续随机分形的统计特性。
• 经验上估计的积分尺度对样本长度的依赖性被解释为非平稳性的结果，而非物理上的分形启动尺度。
• 该模型预测，标度行为 $\mathbb{E}[|\delta_\tau X(t)|^q] \sim C_q \tau^{\zeta(q)}$ 仅在积分尺度 $T \to \infty$ 时才在整个尺度范围内成立，而该条件在所提出的模型中得以实现。
• 波动率过程的幅值协方差与理论形式 $\lambda^2 \ln(T/\tau)$ 一致，经验估计结果证实了这一关系。
• 通过 $M_\ell(t)$ 在 $\ell \to 0$ 时的极限，严格证明了模型的均方收敛性，确保了其数学上的良定义性。
• 该模型提供了一种简洁的连续时间替代方案，可替代GARCH模型，自然地解释长程波动率相关性与IGARCH效应，且无参数不稳定性。