Пластичность волатильности:Назад к нормальному распределению — различия между версиями

Материал из synset
Перейти к: навигация, поиск
 
(не показано 5 промежуточных версий этого же участника)
Строка 12: Строка 12:
 
{| width="100%"  
 
{| width="100%"  
 
  | width="90%" align="center"|<math> P(r,t) = \frac{1}{\sigma(t)\sqrt{2\pi}} \;e^{-\frac{1}{2}\; r^2/\sigma^2(t)}. </math>
 
  | width="90%" align="center"|<math> P(r,t) = \frac{1}{\sigma(t)\sqrt{2\pi}} \;e^{-\frac{1}{2}\; r^2/\sigma^2(t)}. </math>
−
  | <div width="10%" align="right" style="color:#0000CC">'''(EQN)'''</div>
+
  | <div width="10%" align="right" style="color:#0000CC">'''(23)'''</div>
 
  |}
 
  |}
  
Строка 19: Строка 19:
 
{| width="100%"  
 
{| width="100%"  
 
  | width="90%" align="center"|<math> ex = 3\cdot \left[ \frac{\left\langle \sigma^4(t)\right\rangle }{\left\langle \sigma^2(t)\right\rangle ^2}- 1 \right]. </math>
 
  | width="90%" align="center"|<math> ex = 3\cdot \left[ \frac{\left\langle \sigma^4(t)\right\rangle }{\left\langle \sigma^2(t)\right\rangle ^2}- 1 \right]. </math>
−
  | <div width="10%" align="right" style="color:#0000CC">'''(EQN)'''</div>
+
  | <div width="10%" align="right" style="color:#0000CC">'''(24)'''</div>
 
  |}
 
  |}
  
Строка 28: Строка 28:
 
{| width="100%"  
 
{| width="100%"  
 
  | width="90%" align="center"|<math> r_t \to r'_t= \frac{r_t}{\sigma(t)}. </math>
 
  | width="90%" align="center"|<math> r_t \to r'_t= \frac{r_t}{\sigma(t)}. </math>
−
  | <div width="10%" align="right" style="color:#0000CC">'''(EQN)'''</div>
+
  | <div width="10%" align="right" style="color:#0000CC">'''(25)'''</div>
 
  |}
 
  |}
  
 
Подобная нормализация делает промодулированные функцией <math>\textstyle \sigma(t)</math> случайные числа <math>\textstyle r'_t</math> стационарными.
 
Подобная нормализация делает промодулированные функцией <math>\textstyle \sigma(t)</math> случайные числа <math>\textstyle r'_t</math> стационарными.
  
−
Ниже в таблице приведены статистические параметры логарифмической доходности индекса S\&P500 за период 1990-2008. Общее число торговых дней равно <math>\textstyle n=4791</math>, доля положительных значений во всех случаях 52.8\%. \small ::TABLE DELETED Первая строка соответствует статистикам до преобразования нормирования (). Затем идут статистики после преобразования, в котором использовалось сглаживание с различным параметром <math>\textstyle \nu=\log_{10} \lambda</math>.
+
Ниже в таблице приведены статистические параметры логарифмической доходности индекса S\&P500 за период 1990-2008. Общее число торговых дней равно <math>\textstyle n=4791</math>, доля положительных значений во всех случаях 52.8\%.  
  
−
Стоит обратить внимание на колонки <math>\textstyle excess</math> и <math>\textstyle p_1</math>. Видно, что сглаживание радикально уменьшает значение этих параметров. Это происходит даже для достаточно плавной функции <math>\textstyle \sigma(t)</math>, соответствующей <math>\textstyle \nu=6</math>. Ниже на рисунке она представлена более толстой линией: \includegraphics{pic/sigma_sp_beta.eps}\\ {\small Рис.\arabic{myfig}\addtocounter{myfig}{1}: Гладкая волатильность S\&P500 для различных параметров <math>\textstyle \nu</math>}
+
<center>[[File:volat_tbl1d.png]]</center>
 +
 
 +
Первая строка соответствует статистикам до преобразования нормирования (25). Затем идут статистики после преобразования, в котором использовалось сглаживание с различным параметром <math>\textstyle \nu=\log_{10} \lambda</math>.
 +
 
 +
Стоит обратить внимание на колонки <math>\textstyle excess</math> и <math>\textstyle p_1</math>. Видно, что сглаживание радикально уменьшает значение этих параметров. Это происходит даже для достаточно плавной функции <math>\textstyle \sigma(t)</math>, соответствующей <math>\textstyle \nu=6</math>. Ниже на рисунке она представлена более толстой линией:  
 +
 
 +
<center>[[File:volat_pic24.png]]</center>
  
 
Отметим также тот факт, что волатильность после нормирования несколько больше единицы. Это свидетельствует о том, что для фондового рынка необходимо использовать поправочный множитель в отношении <math>\textstyle v/\sigma</math> и фактически <math>\textstyle \sigma \approx a - |r|/2</math> без коэффициента <math>\textstyle \sqrt{2\pi}/3</math>.
 
Отметим также тот факт, что волатильность после нормирования несколько больше единицы. Это свидетельствует о том, что для фондового рынка необходимо использовать поправочный множитель в отношении <math>\textstyle v/\sigma</math> и фактически <math>\textstyle \sigma \approx a - |r|/2</math> без коэффициента <math>\textstyle \sqrt{2\pi}/3</math>.
  
−
Чем меньше парамер <math>\textstyle \nu</math>, тем сильнее изгибы волатильности <math>\textstyle \sigma(t)</math>, так как на усреднении начинают сказываться флуктуации доходности. Понятно, что в этом случае происходит уменьшение эксцесса даже для стационарных негауссовых случайных чисел. Чтобы контролировать этот эффект, проведём следующий эксперимент. Исходные пары ежедневной доходности и волатильности <math>\textstyle \{r_t, \sigma_t\}</math> произвольным образом перемешаем для устранения нестационарности. После этого будем применять сглаживание HP-фильтром и нормализацию () как к исходным данным (original), так и к перемешанным (mixed). Ниже на рисунках представлена зависимость эксцесса (слева) и вероятности попадания доходности в одну сигму <math>\textstyle p_1</math> (справа), как функций параметра сглаживания <math>\textstyle \nu=\log_{10}\lambda</math>. \includegraphics{pic/non_gauss_mixed.eps}\\ {\small Рис.\arabic{myfig}\addtocounter{myfig}{1}: Эксцесс <math>\textstyle ex</math> и вероятность <math>\textstyle p_1</math> для разных <math>\textstyle \nu</math>, 1990-2008} Хорошо видно, что выше значений <math>\textstyle \nu\sim 6</math> эксцесс и вероятность <math>\textstyle p_1</math> для перемешанных данных убывают очень слабо. В то же время статистические параметры негауссовости исходных данных стремительно падают.
+
Чем меньше парамер <math>\textstyle \nu</math>, тем сильнее изгибы волатильности <math>\textstyle \sigma(t)</math>, так как на усреднении начинают сказываться флуктуации доходности. Понятно, что в этом случае происходит уменьшение эксцесса даже для стационарных негауссовых случайных чисел. Чтобы контролировать этот эффект, проведём следующий эксперимент. Исходные пары ежедневной доходности и волатильности <math>\textstyle \{r_t, \sigma_t\}</math> произвольным образом перемешаем для устранения нестационарности. После этого будем применять сглаживание HP-фильтром и нормализацию (25) как к исходным данным (original), так и к перемешанным (mixed). Ниже на рисунках представлена зависимость эксцесса (слева) и вероятности попадания доходности в одну сигму <math>\textstyle p_1</math> (справа), как функций параметра сглаживания <math>\textstyle \nu=\log_{10}\lambda</math>.  
 +
 
 +
<center>[[File:volat_pic25.png]]</center>
 +
 
 +
Хорошо видно, что выше значений <math>\textstyle \nu\sim 6</math> эксцесс и вероятность <math>\textstyle p_1</math> для перемешанных данных убывают очень слабо. В то же время статистические параметры негауссовости исходных данных стремительно падают.
  
 
В качестве некоторого критерия оптимального значения <math>\textstyle \nu</math> можно выбрать точку, в которой разница между статистикой по перемешанным и исходным данным достигает своего максимального значения.
 
В качестве некоторого критерия оптимального значения <math>\textstyle \nu</math> можно выбрать точку, в которой разница между статистикой по перемешанным и исходным данным достигает своего максимального значения.
Строка 45: Строка 55:
 
Ещё одним аргументом существенного вклада эффектов нестационарности в негауссовость распределения является разворачивающийся в 2008-м году финансовый кризис. Как видно из таблицы, эксцесс за период 1990-2008 составил <math>\textstyle ex=10.2</math>. Однако, достаточно отбросить волатильный 2008-й год, и эксцесс уменьшится в три раза до значения <math>\textstyle ex=3.8</math>. Количество торговых дней, по которым он вычислялся, уменьшается при этом всего на 5\% до <math>\textstyle n=4528</math>.
 
Ещё одним аргументом существенного вклада эффектов нестационарности в негауссовость распределения является разворачивающийся в 2008-м году финансовый кризис. Как видно из таблицы, эксцесс за период 1990-2008 составил <math>\textstyle ex=10.2</math>. Однако, достаточно отбросить волатильный 2008-й год, и эксцесс уменьшится в три раза до значения <math>\textstyle ex=3.8</math>. Количество торговых дней, по которым он вычислялся, уменьшается при этом всего на 5\% до <math>\textstyle n=4528</math>.
  
−
Ниже приведен график зависимости эксцесса и вероятности <math>\textstyle p_1</math> от параметра сглаживания <math>\textstyle \nu</math> для перемешанных и исходных данных ежедневных доходностей индекса S\&P500 за период 1990-2007: \includegraphics{pic/non_gauss_mixed_2007.eps}\\ {\small Рис.\arabic{myfig}\addtocounter{myfig}{1}: Эксцесс <math>\textstyle ex</math> и вероятность <math>\textstyle p_1</math> для разных <math>\textstyle \nu</math>, S\&P500, 1990-2007} Видно, что, хотя начальное значение эксцесса достаточно невелико, оно, тем не менее, статистически значимо падает при устранении в данных нестационарности. Можно считать значимым для нормализованных данных эксцесс порядка <math>\textstyle ex=1</math>, т.е. в 4-е раза меньше, чем у исходных.
+
Ниже приведен график зависимости эксцесса и вероятности <math>\textstyle p_1</math> от параметра сглаживания <math>\textstyle \nu</math> для перемешанных и исходных данных ежедневных доходностей индекса S\&P500 за период 1990-2007:  
 +
 
 +
<center>[[File:volat_pic26.png]]</center>
 +
 
 +
Видно, что, хотя начальное значение эксцесса достаточно невелико, оно, тем не менее, статистически значимо падает при устранении в данных нестационарности. Можно считать значимым для нормализованных данных эксцесс порядка <math>\textstyle ex=1</math>, т.е. в 4-е раза меньше, чем у исходных.
  
−
Приведём гистограммы распределения плотности вероятности и граф нормальной вероятности <ref name="Fama1965"/>, формально построенные по исходным нестационарным данным: \includegraphics{pic/sp_distr_r_base.eps}\\ {\small Рис.\arabic{myfig}\addtocounter{myfig}{1}: Распределение доходностей S\&P500 1990-2008} и данным после процедуры их нормализации (): \includegraphics{pic/sp_distr_r_b99.eps}\\ {\small Рис.\arabic{myfig}\addtocounter{myfig}{1}: Распределение доходностей S\&P500 1990-2008 после нормализации }
+
Приведём гистограммы распределения плотности вероятности и граф нормальной вероятности <ref name="Fama1965">
 +
E.F. Fama, 1965, ''The behavior of stock-market prices'',
 +
The Journal of Business, Vol.38, No.1, pp.34-105
 +
</ref>,  
 +
формально построенные по исходным нестационарным данным:  
 +
 
 +
<center>[[File:volat_pic27.png]]</center>
 +
 
 +
и данным после процедуры их нормализации (25):  
 +
 
 +
<center>[[File:volat_pic28.png]]</center>
  
 
Линия без маркеров на рисунках соответствует распределению Гаусса. Граф нормальной вероятности является зависимостью <math>\textstyle y=f(r)</math> связи <math>\textstyle F_{\mathbf{N}}(y)=F(r)</math>, где <math>\textstyle F_{\mathbf{N}}(y)</math> - интегральное нормальное распределение, а <math>\textstyle F(r)</math> - эмпирическое интегральное распределение для доходностей. Если эмпирическое распределение <math>\textstyle F(r)</math> является гауссовым, то этот граф должен быть прямой линией. Видно, что после нормализации плотность вероятности становится существенно более нормальной. Отклонения от прямой на графе особенно заметны для больших отрицательных выбросов, что связано с редкими негативными шоковыми воздействиями на рынок.
 
Линия без маркеров на рисунках соответствует распределению Гаусса. Граф нормальной вероятности является зависимостью <math>\textstyle y=f(r)</math> связи <math>\textstyle F_{\mathbf{N}}(y)=F(r)</math>, где <math>\textstyle F_{\mathbf{N}}(y)</math> - интегральное нормальное распределение, а <math>\textstyle F(r)</math> - эмпирическое интегральное распределение для доходностей. Если эмпирическое распределение <math>\textstyle F(r)</math> является гауссовым, то этот граф должен быть прямой линией. Видно, что после нормализации плотность вероятности становится существенно более нормальной. Отклонения от прямой на графе особенно заметны для больших отрицательных выбросов, что связано с редкими негативными шоковыми воздействиями на рынок.
  
−
Рассмотрим, для сравнения, распределение вероятности ежедневных доходностей валютного рынка на примере курса EURUSD за период 1999-2008. Основные статистические параметры до нормирования (первая строка) и после сглаживания с различными параметрами <math>\textstyle \nu</math> приведены в таблице ниже: \small ::TABLE DELETED Видно, что у исходных данных сравнительно небольшой эксцесс, однако после сглаживания он уменьшается ещё сильнее. Среднее значение волатильности после нормировки близко к единице. Это говорит о том, что <math>\textstyle \sigma=v\sqrt{2\pi}/3</math> является хорошей несмещённой оценкой ежедневной волатильности доходности курса.
+
Рассмотрим, для сравнения, распределение вероятности ежедневных доходностей валютного рынка на примере курса EURUSD за период 1999-2008. Основные статистические параметры до нормирования (первая строка) и после сглаживания с различными параметрами <math>\textstyle \nu</math> приведены в таблице ниже:  
 +
 
 +
<center>[[File:volat_tbl1e.png]]</center>
 +
 
 +
Видно, что у исходных данных сравнительно небольшой эксцесс, однако после сглаживания он уменьшается ещё сильнее. Среднее значение волатильности после нормировки близко к единице. Это говорит о том, что <math>\textstyle \sigma=v\sqrt{2\pi}/3</math> является хорошей несмещённой оценкой ежедневной волатильности доходности курса.
 +
 
 +
Тест на статистическую значимость падения эксцесса и вероятности <math>\textstyle p_1</math> свидетельствует о близком к нулю эксцессе нормированных доходностей:
 +
 
 +
<center>[[File:volat_pic29.png]]</center>
 +
 
 +
Соответствующая гистограмма и граф нормальной вероятности имеют вид:
  
−
Тест на статистическую значимость падения эксцесса и вероятности <math>\textstyle p_1</math> свидетельствует о близком к нулю эксцессе нормированных доходностей: \includegraphics{pic/eur_ex_p1.eps}\\ {\small Рис.\arabic{myfig}\addtocounter{myfig}{1}: Эксцесс <math>\textstyle ex</math> и вероятность <math>\textstyle p_1</math> для разных <math>\textstyle \nu</math>, EURUSD, 1999-2008}
+
<center>[[File:volat_pic30.png]]</center>
  
−
Соответствующая гистограмма и граф нормальной вероятности имеют вид: \includegraphics{pic/eur_distr_nu.eps}\\ {\small Рис.\arabic{myfig}\addtocounter{myfig}{1}: Распределение доходностей EURUSD, 1999-2008 после нормализации } В результате получается практически каноническое нормальное распределение с отклонениями, достаточно типичными для сравнительно небольшой выборки (<math>\textstyle n=2495</math>).
+
В результате получается практически каноническое нормальное распределение с отклонениями, достаточно типичными для сравнительно небольшой выборки (<math>\textstyle n=2495</math>).
  
 
Мы не будем проводить более детальный статистический анализ формы распределения, ограничившись этими иллюстративными примерами. Предполагается (см. Заключение), что наблюдаемые данные являются смесью нормально распределённых флуктуаций рынка, промодулированных нестационарной волатильностью, и редких шоковых воздействий. Поэтому даже после устранения нестационарности данных в них могут оставаться шоковые выбросы, которые делают суммарное распределение слабо-негауссовым.
 
Мы не будем проводить более детальный статистический анализ формы распределения, ограничившись этими иллюстративными примерами. Предполагается (см. Заключение), что наблюдаемые данные являются смесью нормально распределённых флуктуаций рынка, промодулированных нестационарной волатильностью, и редких шоковых воздействий. Поэтому даже после устранения нестационарности данных в них могут оставаться шоковые выбросы, которые делают суммарное распределение слабо-негауссовым.

Текущая версия на 20:37, 6 марта 2010

Автокорреляция остатков << Оглавление >> Квазистационарность волатильности

Как уже упоминалось во введении, существует большое число исследований, которые изучают распределение вероятности логарифмической доходности. Общепринятым стал факт его ненормальности. Однако, когда мы говорим о плотности вероятности как функции только доходности Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle P(r)} , мы, очевидно, подразумеваем стационарность случайных чисел Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle r} , так как не вводим зависимости от времени. Чтобы получить более или менее надёжные статистические результаты, при построении Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle P(r)} выбирается как можно более широкий интервал времени, содержащий большое число данных Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle n} .

В условиях нестационарности подобные действия заметно искажают "истинный" вид распределения. Если статистические параметры зависят от времени, то и плотность распределения также не будет стационарной Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle P(r, t)} . Будем считать, что нестационарность является параметрической и сосредоточена только в волатильности Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \sigma(t)} . Пусть для Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle P(r,t)=P(r, \sigma(t))} справедливо распределение Гаусса (Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle r_t=\sigma(t)\cdot \varepsilon_t} ):

Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle P(r,t) = \frac{1}{\sigma(t)\sqrt{2\pi}} \;e^{-\frac{1}{2}\; r^2/\sigma^2(t)}. }
(23)

Второй и четвёртый моменты равны: Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \overline{r^2} = \left\langle \sigma^2(t)\right\rangle ,\;\overline{r^4} = 3\left\langle \sigma^4(t)\right\rangle , } и в общем случае, несмотря на гауссовость распределения, его "интегральный" эксцесс без учёта нестационарности становится отличным от нуля:

Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle ex = 3\cdot \left[ \frac{\left\langle \sigma^4(t)\right\rangle }{\left\langle \sigma^2(t)\right\rangle ^2}- 1 \right]. }
(24)

В модельном примере 20-летнего блуждания с удвоением волатильности эксцесс объединённых данных равен 27/25=1.08. В более общем случае на негауссовость могут влиять и другие виды нестационарности, например, снос доходности: Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle r_t=\mu(t)+\sigma(t)\cdot\varepsilon_t} .

Посмотрим, что произойдёт с эмпирическими данными после устранения нестационарности. Для этого разделим все Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle r_t} на величину волатильности в данный момент времени. Её текущее значение будем получать при помощи сглаживания HP-фильтром дневных модифицированных амплитуд размаха Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \sigma_t=(a_t-|r_t|/2)\sqrt{2\pi}/3} . Таким образом, мы проводим следующее преобразование исходных логарифмических доходностей:

Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle r_t \to r'_t= \frac{r_t}{\sigma(t)}. }
(25)

Подобная нормализация делает промодулированные функцией Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \sigma(t)} случайные числа Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle r'_t} стационарными.

Ниже в таблице приведены статистические параметры логарифмической доходности индекса S\&P500 за период 1990-2008. Общее число торговых дней равно Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle n=4791} , доля положительных значений во всех случаях 52.8\%.

Volat tbl1d.png

Первая строка соответствует статистикам до преобразования нормирования (25). Затем идут статистики после преобразования, в котором использовалось сглаживание с различным параметром Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \nu=\log_{10} \lambda} .

Стоит обратить внимание на колонки Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle excess} и Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle p_1} . Видно, что сглаживание радикально уменьшает значение этих параметров. Это происходит даже для достаточно плавной функции Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \sigma(t)} , соответствующей Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \nu=6} . Ниже на рисунке она представлена более толстой линией:

Volat pic24.png

Отметим также тот факт, что волатильность после нормирования несколько больше единицы. Это свидетельствует о том, что для фондового рынка необходимо использовать поправочный множитель в отношении Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle v/\sigma} и фактически Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \sigma \approx a - |r|/2} без коэффициента Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \sqrt{2\pi}/3} .

Чем меньше парамер Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \nu} , тем сильнее изгибы волатильности Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \sigma(t)} , так как на усреднении начинают сказываться флуктуации доходности. Понятно, что в этом случае происходит уменьшение эксцесса даже для стационарных негауссовых случайных чисел. Чтобы контролировать этот эффект, проведём следующий эксперимент. Исходные пары ежедневной доходности и волатильности Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \{r_t, \sigma_t\}} произвольным образом перемешаем для устранения нестационарности. После этого будем применять сглаживание HP-фильтром и нормализацию (25) как к исходным данным (original), так и к перемешанным (mixed). Ниже на рисунках представлена зависимость эксцесса (слева) и вероятности попадания доходности в одну сигму Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle p_1} (справа), как функций параметра сглаживания Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \nu=\log_{10}\lambda} .

Volat pic25.png

Хорошо видно, что выше значений Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \nu\sim 6} эксцесс и вероятность Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle p_1} для перемешанных данных убывают очень слабо. В то же время статистические параметры негауссовости исходных данных стремительно падают.

В качестве некоторого критерия оптимального значения Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \nu} можно выбрать точку, в которой разница между статистикой по перемешанным и исходным данным достигает своего максимального значения.

Ещё одним аргументом существенного вклада эффектов нестационарности в негауссовость распределения является разворачивающийся в 2008-м году финансовый кризис. Как видно из таблицы, эксцесс за период 1990-2008 составил Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle ex=10.2} . Однако, достаточно отбросить волатильный 2008-й год, и эксцесс уменьшится в три раза до значения Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle ex=3.8} . Количество торговых дней, по которым он вычислялся, уменьшается при этом всего на 5\% до Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle n=4528} .

Ниже приведен график зависимости эксцесса и вероятности Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle p_1} от параметра сглаживания Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \nu} для перемешанных и исходных данных ежедневных доходностей индекса S\&P500 за период 1990-2007:

Volat pic26.png

Видно, что, хотя начальное значение эксцесса достаточно невелико, оно, тем не менее, статистически значимо падает при устранении в данных нестационарности. Можно считать значимым для нормализованных данных эксцесс порядка Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle ex=1} , т.е. в 4-е раза меньше, чем у исходных.

Приведём гистограммы распределения плотности вероятности и граф нормальной вероятности [1], формально построенные по исходным нестационарным данным:

Volat pic27.png

и данным после процедуры их нормализации (25):

Volat pic28.png

Линия без маркеров на рисунках соответствует распределению Гаусса. Граф нормальной вероятности является зависимостью Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle y=f(r)} связи Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle F_{\mathbf{N}}(y)=F(r)} , где Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle F_{\mathbf{N}}(y)} - интегральное нормальное распределение, а Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle F(r)} - эмпирическое интегральное распределение для доходностей. Если эмпирическое распределение Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle F(r)} является гауссовым, то этот граф должен быть прямой линией. Видно, что после нормализации плотность вероятности становится существенно более нормальной. Отклонения от прямой на графе особенно заметны для больших отрицательных выбросов, что связано с редкими негативными шоковыми воздействиями на рынок.

Рассмотрим, для сравнения, распределение вероятности ежедневных доходностей валютного рынка на примере курса EURUSD за период 1999-2008. Основные статистические параметры до нормирования (первая строка) и после сглаживания с различными параметрами Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \nu} приведены в таблице ниже:

Volat tbl1e.png

Видно, что у исходных данных сравнительно небольшой эксцесс, однако после сглаживания он уменьшается ещё сильнее. Среднее значение волатильности после нормировки близко к единице. Это говорит о том, что Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle \sigma=v\sqrt{2\pi}/3} является хорошей несмещённой оценкой ежедневной волатильности доходности курса.

Тест на статистическую значимость падения эксцесса и вероятности Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle p_1} свидетельствует о близком к нулю эксцессе нормированных доходностей:

Volat pic29.png

Соответствующая гистограмма и граф нормальной вероятности имеют вид:

Volat pic30.png

В результате получается практически каноническое нормальное распределение с отклонениями, достаточно типичными для сравнительно небольшой выборки (Невозможно разобрать выражение (MathML с переходом в SVG или PNG (рекомендуется для современных браузеров и инструментов повышения доступности): Недопустимый ответ («Math extension cannot connect to Restbase.») от сервера «https://wikimedia.org/api/rest_v1/»:): {\displaystyle \textstyle n=2495} ).

Мы не будем проводить более детальный статистический анализ формы распределения, ограничившись этими иллюстративными примерами. Предполагается (см. Заключение), что наблюдаемые данные являются смесью нормально распределённых флуктуаций рынка, промодулированных нестационарной волатильностью, и редких шоковых воздействий. Поэтому даже после устранения нестационарности данных в них могут оставаться шоковые выбросы, которые делают суммарное распределение слабо-негауссовым.

Примчания

  1. ↑ E.F. Fama, 1965, The behavior of stock-market prices, The Journal of Business, Vol.38, No.1, pp.34-105

Автокорреляция остатков << Оглавление >> Квазистационарность волатильности