面向金融资产价格预测的贝叶斯动态建模波动率

本文提出了一种新的贝叶斯动态模型，用于金融资产价格预测中的双变量价格-实现波动率时间序列。一种新颖的动态伽马过程模型被用于实现波动率，与用于资产价格序列的传统贝叶斯动态线性模型（DLM）相结合。这通过在价格或回报的条件DLM中使用实现波动率代理来表现波动率杠杆和反馈效应，同时通过合成更高频率数据来跟踪和预测波动率波动。分析在计算上是直接的，通过扩展共轭形式的贝叶斯分析进行顺序滤波和模型监控，并通过简单的直接模拟进行预测。一个主要的应用场景是使用日间价格和来自高频、 intraday 数据的实现波动率进行股票回报预测。来自多个标普行业ETF的详细实证研究突显了相对于标准模型在资产价格预测方面可实现的改进，并提供了关于波动率杠杆和反馈效应的背景见解。该分析结构和可忽略的额外计算成本将使其能够扩展到更高维度，用于解耦/重耦合组合构建和风险管理应用中的多变量价格序列预测。