HAR-Ito模型及针对高频数据的高维HAR建模
统计方法学
2023-03-07 v1
摘要
在金融与经济学中，对高频数据的已实现波动率进行建模是一项重要任务，而作为该领域最流行的模型，异质自回归（HAR）模型在这一方向的应用中占据主导地位。然而，该模型存在三个缺陷：（i.）其异质波动率分量是具有固定权重的日度已实现波动率的线性组合，这限制了其针对不同资产类型的灵活性；（ii.）该模型以及文献中许多其他HAR型模型的高频概率结构仍属未知；（iii.）尽管实际应用中常遇到大量资产，但目前尚无针对HAR建模的高维推断工具。为克服这些缺陷，本文利用张量技术提出了一种多线性低秩HAR模型，其中采用数据驱动方法自动选择异质分量。此外，引入HAR-Itô模型以解释相应的高频动态，以及其他HAR型模型的动态。 moreover，建立了高维HAR建模的非渐近性质，并提出了具有理论依据的投影梯度下降算法以求解估计值。所提方法的理论与计算性质通过模拟研究得到验证，且在实际数据分析中说明了使用数据驱动方法选取异质分量的必要性。
引用
@article{arxiv.2303.02896,
title = {HAR-Ito models and high-dimensional HAR modeling for high-frequency data},
author = {Huiling Yuan and Kexin Lu and Yifeng Guo and Guodong Li},
journal= {arXiv preprint arXiv:2303.02896},
year = {2023}
}