弱方差-α-γ 过程的校准
统计方法学
2018-07-30 v3 数理金融
摘要
弱方差-α-γ 过程是一种多元 Lévy 过程，通过用 α-γ 从属过程弱 subordinate 布朗运动（可能具有相关分量）构造，它推广了 Semeraro 用传统从属构造的方差-α-γ 过程。我们比较了弱方差-α-γ 过程的三种校准方法：矩法、极大似然估计（MLE）和数字矩估计（DME）。我们推导了应用 MLE 所需的 Fourier 可逆性条件，并在模拟中表明当该条件成立时 MLE 拟合更好，而当其不满足时 DME 拟合更好。我们还发现，在 S&P500-FTSE100 数据集上，弱方差-α-γ 过程展现出更广的依赖范围，且比方差-α-γ 过程拟合显著更好，并且在此情形下 DME 产生最佳拟合。
引用
@article{arxiv.1801.08852,
title = {Calibration for Weak Variance-Alpha-Gamma Processes},
author = {Boris Buchmann and Kevin W. Lu and Dilip B. Madan},
journal= {arXiv preprint arXiv:1801.08852},
year = {2018}
}