存在突变时的金融波动率建模

金融工具的波动率很少恒定，通常随时间变化。这产生了一种称为波动率聚集的现象，即某一天的大幅价格变动后连续几天出现类似的大幅变动，形成时间上的聚集。将波动率视为漂移过程的GARCH模型常用于捕捉这种行为。然而，研究表明波动率通常更适合用结构断点模型来描述，其中波动率除了漂移外还会发生突变。大多数将这种突变整合到GARCH方法中的尝试，要么导致模型计算量极大，要么对工具的分布做出有问题的假设（通常假设为高斯分布）。我们提出了一种新方法，利用非参数统计的思想来识别结构断点，而无需做出此类分布假设，然后在每个识别出的机制内分别对漂移进行建模。使用我们的方法，我们研究了几个主要股票指数的波动率，并发现我们的方法相比更常用的技术可能提供更好的拟合。