[论文解读] The Samuelson Effect and Seasonal Stochastic Volatility in Agricultural Futures Markets

Lorenz Schneider, Bertrand Tavin|arXiv (Cornell University)|Feb 1, 2018

Market Dynamics and Volatility被引用 2

一句话总结

本文提出了一种用于农产品期货的多因子随机波动率模型，整合了季节性因素与Samuelson效应，采用状态空间表示法与卡尔曼滤波进行估计。该模型在玉米、棉花、大豆、糖和小麦市场中显著优于非季节性模型，且不同商品的季节性模式表现出最优拟合效果。

ABSTRACT

We introduce a multi-factor stochastic volatility model for commodities that incorporates seasonality and the Samuelson effect. Conditions on the seasonal term under which the corresponding volatility factor is well-defined are given, and five different specifications of the seasonality pattern are proposed. We calculate the joint characteristic function of two futures prices for different maturities in the risk-neutral measure. The model is then presented under the physical measure, and its state-space representation is derived, in order to estimate the parameters with the Kalman filter for time series of corn, cotton, soybean, sugar and wheat futures from 2007 to 2017. The seasonal model significantly outperforms the nested non-seasonal model in all five markets, and we show which seasonality patterns are particularly well-suited in each case. We also confirm the importance of correctly modelling the Samuelson effect in order to account for futures with different maturities. Our results are clearly confirmed in a robustness check carried out with an alternative dataset of constant maturity futures for the same agricultural markets.

研究动机与目标

• 开发一种能够同时捕捉农产品商品期货中季节性与Samuelson效应的随机波动率模型。
• 识别在不同农产品市场中，哪种季节性模式最能描述波动率动态。
• 通过引入到期日依赖的波动率效应，提升定价与风险建模的准确性。
• 利用基于交易价格与久期恒定期货数据，验证模型的性能。

提出的方法

• 模型采用包含时变季节性成分的多因子随机波动率结构，以捕捉商品特异的波动率模式。
• 推导出确保风险中性测度下季节性波动率因子数学定义良好的条件。
• 在风险中性测度下，解析推导出不同到期日两个期货价格的联合特征函数。
• 将模型重新表述于物理测度下，以通过卡尔曼滤波实现统计估计。
• 构建状态空间表示，利用2007至2017年玉米、棉花、大豆、糖和小麦期货的时间序列数据，估计未观测到的波动率因子与模型参数。
• 测试五种不同的季节性设定，以确定每种商品的最佳拟合模式。

实验结果

研究问题

• RQ1 哪种季节性波动率模式最能描述不同商品农产品期货价格的动态？
• RQ2 引入Samuelson效应在多大程度上改善了对不同到期日期货价格的建模？
• RQ3 季节性随机波动率模型在拟合农产品期货数据方面，相较于其非季节性对应模型，优势有多大？
• RQ4 当模型改用久期恒定期货数据而非基于交易价格进行估计时，其性能是否依然稳健？

主要发现

• 在所测试的五个农产品市场（玉米、棉花、大豆、糖和小麦）中，季节性随机波动率模型显著优于嵌套的非季节性模型。
• 不同商品表现出不同的最优季节性模式，表明“一刀切”的季节性结构并不充分。
• 正确建模Samuelson效应对于准确捕捉不同到期日间波动率期限结构至关重要。
• 基于久期恒定期货数据的稳健性检验确认了模型在不同数据源下的优越性能与稳定性。
• 卡尔曼滤波成功估计了潜在波动率因子，实现了多因子模型对市场观测数据的精确校准。
• 联合特征函数使得在模型下高效计算期权价格与风险度量成为可能。