[论文解读] True and Apparent Scaling: The Proximity of the Markov-Switching Multifractal Model to Long-Range Dependence

Ruipeng Liu, Tiziana Di Matteo+1 more|Warwick Research Archive Portal (University of Warwick)|Apr 11, 2007

Complex Systems and Time Series Analysis被引用 10

一句话总结

本文通过在真实数据和模拟数据上估计广义赫斯特指数（H(q)），评估了马尔可夫 regime 切换多 fractal（MSM）模型复制金融时间序列经验标度行为的能力。当波动率成分数量足够多（k ≥ 10）时，MSM 模型生成的‘表观’长程依赖性与经验标度定律高度一致，表明尽管其结构为有限范围的马尔可夫过程，该模型仍能有效模拟金融收益中的真实长记忆特性。

ABSTRACT

In this paper, we consider daily financial data of a collection of different stock market indices, exchange rates, and interest rates, and we analyze their multi-scaling properties by estimating a simple specification of the Markov-switching multifractal model (MSM). In order to see how well the estimated models capture the temporal dependence of the data, we estimate and compare the scaling exponents $H(q)$ (for $q = 1, 2$) for both empirical data and simulated data of the estimated MSM models. In most cases the multifractal model appears to generate `apparent' long memory in agreement with the empirical scaling laws.

研究动机与目标

• 评估马尔可夫 regime 切换多 fractal（MSM）模型在多标度性方面复制经验金融时间序列特性的能力。
• 研究 MSM 模型是否能生成与经验标度指数高度一致的‘表观’长程依赖性。
• 在不同模型设定下，比较经验数据与模拟 MSM 数据之间的广义赫斯特指数（H(q)）和修正 R/S 统计量。
• 确定 MSM 模型产生与真实金融数据在统计上无法区分的标度行为所需的最少波动率成分数量（k）。

提出的方法

• 使用广义矩估计法（GMM）对包括股票指数、汇率和利率在内的日频金融数据估计 MSM 模型参数（σ̂ 和 m̂₀）。
• 采用广义赫斯特指数（GHE）方法，从经验数据和模拟时间序列中计算 q = 1 和 q = 2 的标度指数 H(q)。
• 应用洛氏修正 R/S 分析检验长程依赖性，通过截断滞后 τ = 0, 5, 10, 25, 50, 100 来校正短程依赖性影响。
• 从估计的 MSM 模型中生成具有不同波动率成分数量（k = 5, 10, 15, 20）的合成时间序列，以比较其标度行为。
• 采用参数简洁的 MSM 规范，其中 b = 2 且 γₖ = 0.5，波动率成分遵循二项分布，并通过马尔可夫转移概率进行更新。
• 通过蒙特卡洛模拟评估 H(1) 和 H(2) 估计值的偏差，结果确认在 T = 9372 个观测值下，随机数据的偏差可忽略不计。

实验结果

研究问题

• RQ1 MSM 模型在具有 k 个波动率成分时，能在多大程度上再现 q = 1 和 q = 2 的经验标度指数 H(q)？
• RQ2 MSM 模型是否能生成与真实金融数据中长记忆特性在统计上无法区分的‘表观’长程依赖性？
• RQ3 波动率成分数量（k）如何影响模拟数据与经验标度行为之间的相似性？
• RQ4 修正 R/S 检验能否可靠地区分真实长记忆与 MSM 模型生成的‘表观’长记忆？
• RQ5 当将 GHE 方法应用于 MSM 模拟数据时，是否会产生偏差？与经验结果相比如何？

主要发现

• 当 k ≥ 10 时，模拟的 MSM 模型在所有测试的金融序列中，其广义赫斯特指数 H(1) 和 H(2) 与经验值高度一致。
• 即使在高截断滞后（τ = 100）下，修正 R/S 检验对 k ≥ 15 的情况也未能拒绝短程依赖性的原假设，表明其表现出强烈的‘表观’长记忆行为。
• 当 k = 5 时，模拟数据始终产生低于经验数据的 H(q) 值，表明其记忆生成能力不足。
• 对随机数据的广义赫斯特指数估计值（H(1) = 0.4999 ± 0.009，H(2) = 0.4995 ± 0.008）显示偏差可忽略，证实了估计方法的可靠性。
• 当 k ≥ 15 时，MSM 模型生成的标度行为在 5% 显著性水平下与经验数据在统计上无法区分，经假设检验验证。
• 结果与以往关于 GARCH 模型的研究形成对比，后者未能复制经验标度指数，凸显了 MSM 模型在此方面的优越性能。