一种用于检测金融数据波动率动态变点的半参数方法
统计方法学
2022-10-24 v1 统计计算
摘要
金融时间序列数据最重要的特征之一是波动率。波动率常随时间发生结构性变化，而准确估计金融时间序列的波动率需要谨慎识别变点。对时间序列数据波动率建模的常用方法是著名的 GARCH 模型。尽管文献中已考虑基于 GARCH 模型的波动率动态变点估计问题，这些方法依赖于条件误差分布的参数假设，而该假设在金融时间序列中常被违背。这可能导致变点检测不准确，从而产生不可靠的 GARCH 波动率估计。本文提出一种基于半参数 GARCH 模型的新型变点检测算法。所提方法保留了 GARCH 过程的结构优势，同时融入了非参数条件误差分布的灵活性。该方法利用源自半参数 GARCH 模型的惩罚似然与高效的二分分割算法。结果表明，在变点估计与检测精度方面，该半参数方法在广泛场景中优于常用的拟极大似然估计（QMLE）及其他 GARCH 模型变体。
引用
@article{arxiv.2210.11520,
title = {A Semiparametric Approach to the Detection of Change-points in Volatility Dynamics of Financial Data},
author = {Huaiyu Hu and Ashis Gangopadhyay},
journal= {arXiv preprint arXiv:2210.11520},
year = {2022}
}