一类广义多重分形过程与股票价格信息性
数理金融
2018-10-17 v3 概率论
应用统计
摘要
我们引入一类由多重分形布朗运动（mBm）驱动的广义随机过程，并基于一种新的局部化广义二次变差方法（LGQV）研究其逐点 Hölder 指数（PHE）的估计问题。通过仿真研究将我们建议的方法与其他两种现有基准估计方法（经典 GQV 和振荡方法）进行比较，我们表明，在所观测过程是时间和 mBm 的某个未知二元函数的情况下，我们的估计器具有更好的性能。这类 PHE 随时间变化的多重分形过程可用于对在各种市场条件下的股票价格进行建模，这些条件既依赖于时间也依赖于区域。作为金融领域的一个应用，一项关于交叉上市股票的实证研究提供了新的证据，表明股票路径的粗糙度随时间变化，以及来自全球股市的股票价格信息性特征。
引用
@article{arxiv.1708.04217,
title = {A General Class of Multifractional Processes and Stock Price Informativeness},
author = {Qidi Peng and Ran Zhao},
journal= {arXiv preprint arXiv:1708.04217},
year = {2018}
}