基于扩展卡尔曼滤波方法的时间变化自回归模型下市场有效性过程估计
最优化与控制
2023-10-09 v1 计算金融
摘要
本文探讨了弱式市场有效性的时变版本，其是所谓自适应市场假说（AMH）的关键组成部分。用于对市场有效性程度建模和估计的最常用方法之一在于分析观测收益序列中的序列自相关性。在 AMH 下，时变市场有效性水平由时变自回归（AR）过程建模，并传统上由卡尔曼滤波（KF）估计。作为线性估计器，KF 难以跟踪隐藏的非线性动态，而这是所研究模型的基本特征。本文的贡献有三方面。我们首先简要概述时变 AR 模型以及计量经济学文献中用于检验弱式市场有效性的估计方法。其次，我们提出一种新颖的精确估计方法，通过扩展卡尔曼滤波（EKF）恢复演化的市场有效性水平的隐藏过程。第三，我们的实证研究考察了标准普尔 500 综合股票指数和道琼斯工业平均指数。月度数据覆盖 1927 年 11 月至 2020 年 6 月，包括美国大萧条、2008-2009 年全球金融危机以及近期 COVID-19 衰退的第一波。结果显示，美国市场在所有这些时期都受到影响，但正如估计器所检测到的，自 1946 年中以来总体上保持弱式有效。
引用
@article{arxiv.2310.04125,
title = {Estimation of market efficiency process within time-varying autoregressive models by extended Kalman filtering approach},
author = {Maria Kulikova and Gennady Kulikov},
journal= {arXiv preprint arXiv:2310.04125},
year = {2023}
}