[论文解读] The art of fitting financial time series with Levy stable distributions

Enrico Scalas, Kyungsik Kim|RePEc: Research Papers in Economics|Aug 23, 2006

Complex Systems and Time Series Analysis参考文献 22被引用 11

一句话总结

本文提出了一套全面的程序，用于使用多种估计方法和拟合优度检验，将金融对数收益时间序列拟合到 Lévy $α$-稳定分布。研究发现，$α$-稳定分布对 MIB30 和 DJIA 指数提供了合理的拟合（分别为 $\alpha \approx 1.72$ 和 $1.81$），尽管存在一定程度的尾部低估，但 Kolmogorov-Smirnov 检验和 $\chi^2$ 检验表明 DJIA 数据的拟合质量更优。

ABSTRACT

This paper illustrates a procedure for fitting financial data with $α$-stable distributions. After using all the available methods to evaluate the distribution parameters, one can qualitatively select the best estimate and run some goodness-of-fit tests on this estimate, in order to quantitatively assess its quality. It turns out that, for the two investigated data sets (MIB30 and DJIA from 2000 to present), an $α$-stable fit of log-returns is reasonably good.

研究动机与目标

• 开发一种稳健的、多方法的程序，用于将金融时间序列拟合到 $α$-稳定分布。
• 评估 $α$-稳定分布在建模主要股票指数对数收益方面的经验有效性。
• 比较不同参数估计技术与拟合优度检验在 $α$-稳定模型中的性能表现。
• 评估 $α$-稳定分布是否能够充分捕捉金融收益的厚尾行为。

提出的方法

• 使用 Nolan 开发的 stable.exe 软件，估计 $S1$ 参数化形式下 $α$-稳定分布的四个参数（$\alpha$, $\beta$, $\gamma$, $\delta$）。
• 采用 Chambers-Mallows-Stuck 算法生成 Lévy $α$-稳定偏差，以支持模拟与检验。
• 将样本特征函数（SCF）方法作为主要估计技术，因其具有较强的稳健性与准确性。
• 使用 Kolmogorov-Smirnov（KS）检验和 $\chi^2$ 检验进行拟合优度检验，采用等距区间分箱，并对期望频数 $E_i < 5$ 的情况实施频数聚合。
• 使用 $S1$ 参数化形式（Samorodnitsky-Taqqu），并将其映射到 stable.exe 内部计算所用的 $S0$ 参数化形式。
• 通过对比经验累积分布函数（CDF）与理论拟合结果，以及经验概率密度函数（PDF）与理论拟合结果，以视觉与定量方式评估模型性能。

实验结果

研究问题

• RQ1 Lévy $α$-稳定分布能否为经验金融对数收益数据提供合理的拟合？
• RQ2 哪种参数估计方法在金融时间序列中对 $α$-稳定分布的拟合最为准确与可靠？
• RQ3 标准拟合优度检验（KS 与 $\chi^2$）在评估 $α$-稳定模型对金融收益的拟合效果时表现如何？
• RQ4 $α$-稳定模型在多大程度上低估或高估了金融收益分布的尾部？

主要发现

• 样本特征函数（SCF）方法在 MIB30 和 DJIA 对数收益中均产生了最佳参数估计，优于其他估计技术。
• 尾指数 $\alpha$ 的估计值分别为 MIB30 的 1.72 和 DJIA 的 1.81，与先前研究一致，表明存在重尾行为。
• Kolmogorov-Smirnov 检验拒绝了 MIB30 对数收益服从 $α$-稳定分布的原假设（$D = 0.0387 > d = 0.0334$），但未拒绝 DJIA 的原假设（$D = 0.0232 < d = 0.0330$）。
• $\chi^2$ 检验对 MIB30 得到 $\bar{\chi}^2 = 91.5$，自由度为 10，表明拟合效果差（p 值 = 0）；而对 DJIA 得到 $\bar{\chi}^2 = 26.8$，自由度为 11，p 值为 0.005，表明拟合效果勉强可接受。
• 经验与理论 CDF 及 PDF 的视觉对比显示，$α$-稳定模型在两个指数中均对收益分布的尾部存在低估。
• 尽管拟合优度检验存在一些局限性，本研究仍得出结论：$α$-稳定分布对金融对数收益提供了合理良好的拟合，尤其适用于 DJIA 数据集。