Prognoza variației stoc-retur: spre o înțelegere a volatilității stochastice implicite

Christopher G. Lamoureux Washington University in St. Louis

William D. Lastrapes University of Georgia

Examinăm comportamentul variantelor măsurate de pe piața opțiunilor și de pe piața de acțiuni

subiacentă. În cadrul ipotezelor comune că piețele sunt eficiente din punct de vedere
informațional și că prețurile opțiunilor sunt explicate printr-un anumit model de stabilire a
prețurilor activelor, previziunile modelelor de timp din cadrul procesului stoc-return nu ar trebui
să aibă un conținut predictiv, având în vedere previziunile pieței incluse în prețurile opțiunilor.
Atât testele din eșantion, cât și cele din eșantion sugestesc că această problemă poate fi
respinsă. Folosind simulări, arătam că prejudecățile inerente procesului pe care îl folosim
pentru a implica variații nu pot explica acest rezultat. Astfel, oferim dovezi incompatibile cu
restricțiile de ortogonalitate ale modelelor cu prețuri opționale care presupun că riscul de
variație este nepermis. Aceste rezultate au, de asemenea, implicații pentru normele optime de
prognoză a varianței.

Conform modelului Black and Scholes (1973) de evaluare a opțiunilor, prețurile opțiunilor de
echilibru sunt determinate de absența profiturilor arbitrale. Această condiție depinde de ipoteza
că varianța returnărilor stocului de bază este constantă în timp sau se schimbă determinist în
timp. Modelul este un instrument economic puternic, deoarece comportamentul de pe piață poate
fi înțeles fără să se specifice și să se estimeze explicit preferințele agenților.

O problemă cu implementarea empirică a modelului Black-Scholes este că ipoteza varianței este

incompatibilă cu datele. Din moment ce volatilitatea stocastică se manifestă în modelele de timp
din seria returnărilor stocului, precum și în variantele empirice implicate de modelul Black-
Scholes în sine, s-au dezvoltat modele de stabilire a prețurilor opțiunii în care variația
randamentului activului suport variază aleator în timp. Hull și White (1987) derivă o soluție în
formă închisă pentru prețurile opțiunilor de vânzare la nivel european, presupunând că riscul de
volatilitate nu este prețuit. Acestea arată că, în condițiile anumitor condiții privind procesul
stochastic care reglementează randamentele de bază, prețul opțiunii este egal cu valoarea
așteptată a prețului Black-Scholes față de distribuția variației medii.

În timp ce generalizarea volatilității stochastice a fost demonstrată de Hull și White (1987) și alții
pentru a îmbunătăți puterea explicativă a modelului Black-Scholes, implicațiile complete ale
modelelor de stabilire a volatilității opțiunii stocastice nu au fost testate în mod adecvat. În
special, în literatura de specialitate empirică lipsesc un test clar dacă ipoteza puternică a
indiferenței pieței față de riscul de volatilitate este în concordanță cu datele. Deși această ipoteză
poate fi neatractivă dintr-o perspectivă teoretică, ea permite simplificarea atât a evaluării, cât și a
extracției de varianță, iar modelul se pretează la testarea empirică neechivocă. Noi examinăm
această problemă testarea unei implicații importante a clasei de modele reprezentate de Hull și
White (1987), în care riscul de volatilitate nu este prețuit. Dacă piețele de opțiuni sunt eficiente
din punct de vedere informațional, atunci informațiile disponibile la momentul stabilirii
prețurilor de piață nu pot fi utilizate pentru a prezice varianța reală a rentabilității mai bună decât
prognoza de variație încorporată în prețul opțiunii, care reprezintă așteptările subiective ale
pieței. Adică eroarea prognozată a așteptărilor subiective ar trebui să fie ortogonală pentru toate
informațiile disponibile.

(Suntem recunoscători lui Don Andrews, Kerry Back, Phil Dybvig, Ravi Jagannathan, Andrew Lo (editor), Chester
Span (editorul executiv) și arbitru anonim pentru numeroase sugestii. Dar dorim să absoarbă toate culpabilitățile.
Corespondența adresată lui Christopher G. Lamoureux, Școala de Afaceri John M. Olin, Universitatea Washington
din St Louis, Campus Box 1133, One Brookings Drive, St. Louis, MO 63130-4899)

Pentru a testa această restricție de ortogonalitate, interpretăm varianța implicită prin echivalarea
prețului opțiunii de piață observate cu prețul modelului Hull și White ca și evaluarea de piață a
varianței de returnare. Cu toate acestea, implicarea unei variante de exprimare în formă închisă a
lui Hull și White poate distorsiona sau prejudicia prognoza pieței, chiar presupunând că ipoteza
nulă comună este adevărată deoarece formula Black-Scholes este neliniară (inegalitatea lui
Jensen) și variația și procesele stocului pot fi corelate instantaneu. Calibrăm cu grijă simulările
proceselor stoc-preț și variație pentru fiecare stoc din eșantion pentru a examina măsura în care
există o asemenea prejudecată. Simulările demonstrează că această denaturare este banală pentru
propria noastră opțiune de bani. Mai mult decât atât, am deducerea inferenței noastre statistice în
contextul simulărilor pentru a explica posibilele surse de denaturare. Această procedură ne
permite să ne referim la exercițiul nostru empiric ca la un test oficial al unui model de evaluare a
activelor. Dacă nu am controla distorsiunile sau nu ne-am deducere în ceea ce privește această
denaturare, exercițiul nostru ar fi pur și simplu o examinare a măsurii în care filtrarea opțiunilor
și a datelor despre prețul stocurilor cu modelul BlackScholes are informații.

Testează restricția de ortogonalitate pentru opțiunile de apelare pe bani pe stocuri individuale,

prin compararea performanței prognozate a varianței implicite cu modelul cu reprezentările de
timp ale volatilității stoc-return. Folosim un model simplu al seriei de timp al dependenței de
serie în volatilitate, procesul de generalizare a autodeterminării condiționate heteroskedasticitate
(GARCH) de Engle (1982) și Bollerslev (1986), pentru a capta informații disponibile care pot
explica evoluția varianței de returnare. Se efectuează două tipuri de teste ale restrângerii
ortogonalității: în eșantion și în afara eșantionului. Testele bazate pe regresie încorporate cuprind
varianța implicită în ecuația GARCH a procesului de returnare pentru a măsura puterea
predictivă marginală a informațiilor din trecut privind varianța. Apoi, comparăm performanța
prognozată a varianței implicite cu variantele cu serii de timp, utilizând măsurători standard ale
erorilor medii de prognoză și regresiilor care se încorporează. Analiza care cuprinde o mostră ne
ajută să explorăm o problemă importantă: indiferent de rezultatul testelor privind restricțiile de
ortogonalitate, datele de piață filtrate prin model furnizează informații despre evoluția viitoare a
varianței de returnare care nu este evidentă în trecut serii temporale de returnări ale acțiunilor?
Această problemă este relevantă pentru construirea unor reguli optime de prognoză a varianței.
Designul nostru de cercetare diferă de majoritatea testelor anterioare ale modelelor de stabilire a
opțiunilor de volatilitate stocastice. Melino și Turnbull (1990), de exemplu, testează un astfel de
model pentru opțiunile de schimb valutar. Ei estimează un proces de volatilitate stocastică pentru
activul suport, apoi opțiuni de preț pentru acest activ folosind parametrii din proces și modelul de
stabilire a opțiunii. Acest preț se pare că prezice prețul opțiunii mai bun decât un preț de variație
constant. Cu toate acestea, aceștia găsesc, de asemenea, că informațiile actuale pot explica unele
erori de prognoză ale modelului. Testarea implicațiilor modelului de determinare a opțiunilor în
măsurile de variație și nu în prețul opțiunilor, exploatează informații diferite decât Melino și
Turnbull pentru a testa restricțiile de ortogonalitate. Mai important, comparațiile noastre de
prognoză sunt efectuate în cele din urmă în afara eșantionului. Analiza în afara eșantionului este
mai naturală decât analiza în cadrul eșantionului pentru analizarea modelelor care depind de setul
de informații al agenților în orice moment, deoarece setul de condiționări econometrician este un
subset adecvat al informațiilor disponibile agenților din economie .

Lucrarea noastră în acest articol completează cercetarea independentă, concurentă, de către Day
și Lewis (1992), care compară, de asemenea, volatilitățile implicite din modelele de prețuri
opționale cu modelele GARCH. În articole apar în mod esențial patru diferențe majore.

(1) Extindeți eșantionul de date folosind date zilnice privind stocurile individuale, în timp ce Day
și Lewis utilizează datele săptămânale privind indicii bursieri.

(2) Așa cum am notat, oferim dovezi de simulare pentru a cuantifica măsura în care variabilele
implicate de Black-Scholes distorsionează prognoza varianței efective în ipoteza nulă pentru
fiecare stoc din eșantionul nostru. Astfel, spre deosebire de Day și Lewis, interpretăm analiza
noastră ca pe un test oficial al unui model specific de stabilire a prețurilor activelor.

(3) Având în vedere frecvența zilnică a datelor, suntem mai capabili decât Day și Lewis să ne
ajustăm pentru neconcordanțele dintre orizonturile prognozate ale modelelor din seria de timp și
maturitatea opțiunilor din eșantion.

(4) Poate că cel mai important este să acordăm o atenție deosebită pentru a elimina problemele
legate de erorile de măsurare prin utilizarea eficientă a datelor intraday pentru a construi seria
zilnică. Ziua și Lewis, de exemplu, utilizează prețurile de închidere atât pe piețele de opțiuni, cât
și pe cele de capital, care nu se închid chiar în același timp. Pentru a atenua această problemă, ele
implică prețul activului suport din prețul opțiunii, presupunând că modelul pe care îl testează este
adevărat. Deoarece datele noastre sunt atent mapate în designul nostru de cercetare, am reduce în
mod substanțial aceste probleme de erori în variabile.

Deși strategia noastră empirică este discutată în contextul modelului elaborat de Hull și White
(1987), dorim să subliniem că nu încercăm să testam toate implicațiile modelului. Acești autori
au fost interesați să explice părtinirea restricțiilor BlackScholes atunci când volatilitatea este
stochastică în funcție de bani și maturitate ale opțiunii. Acest obiectiv necesită exploatarea unei
game mai largi de opțiuni decât cele utilizate pentru a deduce momente dincolo de media
distribuției subiective a varianței. Strategia noastră este să ne concentrăm exclusiv pe restricțiile
de ortogonalitate impuse de această clasă de modele, de aceea încrederea noastră pe așteptările
pieței de variație a revenirii. Cu alte cuvinte, nu încercăm ipoteza nulă că Black-Scholes este
adevărat împotriva alternativei variante stochastice. Trateazăm modelul de stabilire a opțiunilor
de volatilitate stocastică ca fiind un caz special al modelelor mai generale de stabilire a prețurilor
activelor care includ posibilitatea de a stabili riscul de volatilitate a prețurilor.

Atât testele în cadrul eșantionului, cât și testele în afara eșantionului, sugerează că, în timp ce
varianța implicită ajută la prezicerea volatilității viitoare, restricția ortogonalității ipotezei
comune nula este respinsă. Unul dintre posibilele motive pentru respingerea nulului este că riscul
de volatilitate este prețul. Prin urmare, încercările suplimentare de a învăța din date ar trebui să
modeleze în mod explicit o primă de risc pentru procesul de variație, ca de exemplu în Heston
(1993). Presupunând o aversiune constantă a riscului relativ și folosirea unei formule de
inversiune Fourier [Stein and Stein (1991)], Heston a obținut o expresie în formă închisă pentru o
opțiune pe un activ cu volatilitate stochastică, care permite calcularea procesului de volatilitate.

În secțiunea următoare, prezentăm cadrul analitic al studiului. Descriim modelul Hull și White
(1987), specificăm în mod explicit restricțiile de ortogonalitate pe care le presupune împreună cu
presupunerea eficienței pieței și subliniază strategia generală de testare. De asemenea,
caracterizăm volatilitatea stocastică a datelor utilizând modelul GARCH și raportăm rezultatele
simulării pentru a cuantifica anumite deviații în variantele noastre implicite. În secțiunea 2, vom
descrie datele de opțiuni utilizate în acest studiu, testele specifice în eșantion și în afara
eșantioanelor privind restrângerea ortogonalității efectuate și rezultatele acestor teste. Oferim
concluzii în secțiunea 3.

1. Cadrul analitic
1.1 Modelul teoretic și strategia de testare

The framework for the empirical analysis in this article is the model developed by Hull and
White (1987), which is an application of Garman (1976). The model represents the class of
stochastic volatility options pricing models, including those of Scott (1987), Wiggins (1987), and
Johnson and Shanno (1987), that assumes volatility risk does not affect the option price. The
Hull-White (HW) model is based upon the following continuous-time process for the underlying
stock:

unde S este prețul acțiunilor, iar mișcările browniene dw și dz au o corelație instantanee a ρ. Sub
ipoteza că riscul de volatilitate nu este tarifat și ρ = 0, o opțiune de call pe acest stoc la momentul
t va fi evaluata ca:
 unde:

este densitatea lui condiționată de curent este data de expirare a opțiunii, I,

este informația stabilită la momentul t, iar BS (•) este formula de stabilire a prețurilor Black-
Scholes. Astfel, prețul HW este prețul mediu Black-Scholes, evaluat în funcție de distribuția

condiționată a varianței medii .

Pentru opțiunile de preț în conformitate cu (3), participanții pe piață trebuie să formeze o

densitate subiectivă condițională pe . Dacă acești participanți sunt raționali, atunci densitatea

subiectivă a pieței este egală cu densitatea reală, Accentul studiului nostru este pe
mijlocul acestei distribuții:

Varianța medie poate fi descompusă ca

unde , este ortogonal la așteptarea condiționată și, prin urmare, la orice informație disponibilă
agenților până la timp t. Astfel, dacă participanții la opțiunea de piață sunt raționali (în sens

mediu), atunci media subiectiv, este egală cu media reală, și cu

eroarea de prognoză subiectivă , este ortogonal la toate informațiile

disponibile. Această condiție de ortogonalitate este testată în acest articol.

Așteptarea condiționată de variație a pieței nu este direct observabilă. Dar, având în vedere
prețurile de piață ale opțiunilor, modelul HW implică o variație care poate fi utilizată pentru
estimarea așteptărilor. Deoarece varianța activului de bază este singurul argument necunoscut în
formula Black-Scholes, varianța implicită (discutată mai detaliat mai târziu) este valoarea acestui
argument care echivalează prețul pieței cu prețul teoretic Black-Scholes. Este evident din (3) că
varianța implicită nu este, în general, un bun predictor al evaluării varianței de piață, deoarece
densitatea condiționată nu a fost estimată. Cu toate acestea, Cox și Rubinstein (1985, p. 218,
figura 5, 6) arată că formula Black-Scholes este în esență o funcție liniară a deviației standard
pentru opțiunile la monezi, astfel încât . Ea este aproximativ egală
 . Din acest motiv, folosim un eșantion de opțiuni la termen și, prin urmare,
interpretăm varianța implicită ca fiind evaluarea de către piață a varianței medii stoc-return pe
durata de viață rămasă a opțiunii, , presupunând că modelul HW este valabil.

(Deși această linearitate a fost exprimată oficial în termeni de abatere standard, analiza noastră este efectuată în
termeni de variație. Simulările raportate în secțiunea 1.3 arată că liniaritatea se aplică varianței, de asemenea,
pentru datele noastre. Feinstein (1989) analizează volatilitățile implicite și confirmă liniaritatea documentată de
Cox și Rubinstein.)

Se testează dacă eroarea de prognoză construită de la și varianța implicită este ortogonală

față de informațiile din trecut, folosind testele din eșantion și din exemple. Această condiție de
ortogonalitate se bazează pe o ipoteză comună: (a) piețele de opțiuni sunt eficiente din punct de
vedere informațional, astfel încât prețurile opțiunilor observate conțin toate informațiile relevante
și disponibile; și (b) modelul de stabilire a prețurilor HW este corect, deci diferențele implicite
sunt estimări valide ale varianței subiective a pieței.

Proba de testare este similară cu testele din literatura financiară internațională care examinează
ipoteza că ratele de schimb forward sunt predictori optimi ai ratelor de schimb ale spoturilor
viitoare [de exemplu, Hansen și Hodrick (1980)]. Dacă piața valutară este eficientă din punct de
vedere informațional, atunci diferența dintre rata spot realizată la fața locului și așteptarea
subiectivă a pieței de această rată este ortogonală față de informațiile obținute. Ca și în abordarea
noastră, trebuie utilizat un model economic pentru a lega așteptările pieței de variabilele
observabile (adică prețurile de piață). Având în vedere acest link, eroarea de prognoză poate fi
măsurată și regresată pe informațiile din trecut disponibile comercianților. Diferența principală
dintre testele cursului de schimb și cea proprie este că exploatează datele de preț ale opțiunilor
pentru a se concentra asupra varianței, și nu a mediei, a activului suport.

1.2 Caracterizarea volatilității stocastice

Testele privind restricțiile de ortogonalitate vor fi lipsite de putere dacă informațiile disponibile
pe piață nu vor putea fi utilizate pentru a anticipa volatilitatea de returnare. Afirmăm în această
subsecțiune că randamentele din eșantionul nostru sunt caracterizate prin procesul GARCH, un
model parametric de persistență în varianța condiționată. Ca atare, modelul leagă volatilitatea de
revenire la comportamentul trecut al procesului de returnare propriu-zis, care este inclus în ,.
Sub ipoteza nulă, impulsul GARCH va fi pe deplin utilizat de opțiunile comercianților în
formarea așteptărilor de variație; astfel, modelul GARCH nu va avea nici o putere de predicție
marginală asupra varianței implicite.

Luați în considerare următorul model GARCH (1, 1) pentru returnarea acțiunilor:

unde este randamentul în ziua și sunt parametrii și este un vector al
variabilelor exogene. În această secțiune, constrângem să fi zero, deci (6) este specificația
GARCH convențională

Se poate verifica cu ușurință că dacă nu există o reversiune medie în varianță. În

acest caz, variația condiționată este integrată, iar varianța necondiționată este nedefinită.
Persistența șocurilor la variație crește rapid, deoarece această sumă se apropie de unitate de
dedesubt. Procesul de returnare este staționar dacă

Modelul GARCH este o aproximare în timp discret a procesului de difuzie în Ecuațiile (1) și (2)
și este, prin urmare, în concordanță cu modelul HW. Ne putem gândi la prețul real al acțiunilor și
varianța acestuia ca fiind generată în timp continuu de către (1) și (2), dar cu datele observate
discret (zilnic). Este evident că (4) este analogul timpului discret cu (1), unde aproximează
deviația φ. Pentru a vedea cum (6) se face hartă în (2) (presupunând Ƴ = 0), scade de
ambele părți ale (6) pentru a obține:

unde am folosit identitatea și θ este i.i.d. standardizată variabilă aleatoare normală.

Nelson (1990) a arătat că, pe măsură ce intervalul de timp trece la zero, această expresie

abordează difuzia în (2), unde se apropie de și abordeaza

. Această aproximare nu este unică, dar este în concordanță cu utilizarea de către noi
a modelului GARCH în analiza ulterioară.

Nu este intuitiv faptul că limita de timp continuă a procesului GARCH are două surse de
aleatorie [dw și dz în (2)], în timp ce procesul discret pare să aibă o singură sursă de întâmplare
[ε este singurul termenul stochastic din (4) la (6)]. Intuiția pentru acest lucru este după cum
urmează. Prin definiție, variația condiționată a restului perioadei următoare nu este stochastic în
cadrul GARCH. Cu toate acestea, prognoza (condiționată) a varianței în următoarele două
perioade depinde de realizarea lui și, prin urmare, este aleatorie. Acum, pe măsură ce
intervalul dintre perioadele de timp se micșorează la limita sa, abilitatea de a distruge între
timpul t + 1 și timpul pierdut, ceea ce duce la a doua sursă de aleatorie în cazul limitator.
Modelul GARCH este estimat pentru un eșantion de rentabilitate zilnică pentru 10 stocuri
individuale în perioada 19 aprilie 1982 - 30 martie 1984 (496 zile de tranzacționare), cu excepția
societății 10, eșantionul pentru care începe la 30 iunie 1982. eșantionul este ales pentru a se
conforma testelor noastre privind restricțiile de ortogonalitate, după cum se discută în secțiunea
următoare. Datele returnate provin din casetele CRSP; randamentele zilnice sunt astfel calculate
ca rata de schimbare a ultimului preț de tranzacționare al zilei.

Estimările din modelul GARCH sunt raportate în tabelul 1, pentru fiecare dintre cele 10
companii, ca model 2. Simbolul Ticker este furnizat în Tabelul 1 și le folosim în referință la
anumite companii. Estimarea maximă a probabilității modelului GARCH se realizează prin
utilizarea unei variante a algoritmului de optimizare Berndt, Hall, Hall și Hausman, care
constrânge estimările parametrilor din ecuațiile de variație să fie non-negative [Biegler și
Cuthrell (1985)]. Primele derivate sunt calculate numeric.

(Am testat toate cele 10 companii pentru a prezenta un proces AR (1) în schimburi, permițând reziduuri GARCH.
Toate cele 10 au avut corelație serială de ordinul întâi, dar aceasta a fost semnificativă la nivelul de 10% pentru o
singură companie (numărul 10). Amplitudinea acestei corelații în serie este trivială: cel mai mare coeficient de
corelație serială de ordinul întâi (firma 10) este .13; media este .06.)

Dovezile din Tabelul 1 arată că modelul GARCH oferă o potrivire bună pentru cele 10 stocuri
din eșantion. În toate cazurile, dar unul, parametrii GARCH sunt statistic diferiți de zero la nivele
mici de semnificație, conform statisticilor t-statistic. Pentru DEC (panoul B), α este semnificativ

la un nivel de 10%. Pentru majoritatea stocurilor, suma depășește .9.

1.3 Caracterizarea inclinatiei

Interpretarea testelor se bazează pe egalizarea varianței implicite din date și a modelului Black-
Scholes cu varianța subiectivă a profitului pe piață pe durata de viață rămasă a opțiunii. Totuși,
există moduri potențial importante în care variația implicită poate fi de așteptat să difere de
varianța subiectivă, chiar presupunând că modelul HW este valabil și piețele sunt eficiente. În
această subsecțiune, se cuantifică această distorsiune pentru a determina dacă afectează
concluziile obtinute.

Varianța implicită poate să se abată de la varianța subiectivă ca urmare a erorii de măsurare a

prețului opțiunii și a prețurilor stocurilor și opțiunilor nesincronizate. Cu toate acestea, din cauza
alegerii noastre atente și a manipulării datelor, așa cum sa discutat în secțiunea 2.1, prejudecățile
provenite de la această sursă sunt susceptibile de a fi triviale și nu ne vor influența rezultatele.

Două alte surse de părtinire sunt, cu toate acestea, potențial mai grave. În primul rând, după cum
sa remarcat, liniaritatea virtuală a formulei Black-Scholes pentru opțiunile la-bani înseamnă că
varianța implicită va fi doar o aproximare a varianței adevărate subiective. Cu toate acestea, fără
o analiză suplimentară, nu este clar cât de bun va fi apropierea. Hull și White (1987), de
exemplu, indică faptul că valori mari pentru deviația standard a procesului de variație pot duce la
influențe mari în variante implicite, chiar și pentru opțiunile la-bani. În al doilea rând, distribuția
returului stocului poate fi înclinată, ceea ce implică o piedică ρnenuloasă și o părtinire
suplimentară. Pentru a înțelege importanța, în datele noastre, a apropierii de linearitate și a
ipotezei că ρ = 0, efectuăm o simulare Monte Carlo a procesului de timp continuu pentru
returnări în (1) și (2). Simularea permite ρ să fie nonzero. Mărimea prejudecății din aceste două
surse este măsurată prin compararea varianței implicite cu datele simulate cu varianța reală
inerentă acestor date.

Am calibrat simularea pentru a fi în concordanță cu datele de piață utilizate în acest studiu.

Deoarece modelul GARCH aproximează procesul de difuzie, parametrii din (1) și (2) sunt
construiți din estimările GARCH din Tabelul 1.

De exemplu, este estimat in tabelul 1 și α este estimat direct de la Modelul

GARCH. Valorile eșantionului pentru ρ sunt obținute prin estimarea corelației eșantionului dintre
și , valoarea fixată din ecuația GARCH (6).
( reprezintă varianța zilnică implicită de la minimizarea erorilor sumă-pătrată de la toate cotațiile opțiunii de
mijloc la ziua t, pentru cea mai apropiată opțiune pe termen lung, termenul intermediar până la expirare. Toate
retururile sunt procente zilnice de 1000 ori. reprezintă statistica asimptotică a studenților. Aceasta poate fi
părtinitoare ca urmare a plecării de la normalitatea

reprezintă valoarea funcției log-probabilitate la optimul său pentru fiecare model. Toate modelele sunt estimate
folosind date zilnice din 19 aprilie 1982 până la 30 martie 1984; cu excepția TOY, care începe la 30 iunie 1982 (423
de zile).)

Având în vedere aceste valori ale parametrilor, care se bazează pe date, simularea continuă după
cum urmează pentru fiecare companie din eșantion. Rata de neutralitate a riscurilor și (1) și (2)
se presupune a fi adevărate. De asemenea, se presupune că valoarea probă a lui ρ este adevărată,
precum și valorile (dependente de timp) ale valorilor μ și (independente de timp) ale ξ obținute
din estimările GARCH. În cele din urmă, (φ) se presupune că este randamentul mediu zilnic al
activului fără risc și ia valoarea 0.000245. Având în vedere aceste valori parametrice, procesul
stoc-return este simulat de 1000 de ori pe întreaga durată de viață a opțiunii conform cu (1) și
(2), unde aproximăm procesul de timp continuu prin împărțirea duratei rămase de 135 zile a în
incremente discrete, zilnice. Acest experiment oferă o estimare a prețului real pentru opțiunea de
apel (europeană). În cadrul evaluării neutre la risc, această estimare este calculată ca medie a
valorii terminale reduse a opțiunii în cele 1000 de studii. Metoda descrisă în secțiunea 2 este apoi
utilizată pentru a imputa o varianță față de prețul simulat și valoarea inițială a prețului acțiunilor,
în cazul în care prețurile stocului și ale bursei sunt alese ca fiind bani în bani. De asemenea,
simulările definesc varianța medie reală cumulată pe durata de viață rămasă a opțiunii,

Sub ipoteza nulă, această medie condițională este egală cu varianța subiectivă.)
Biasul este apoi definit ca diferența dintre varianta cumulată medie reală simulată și variația
variație implicită a modelului.

Dacă nu există limite de calcul la simulare, nu ar exista niciun motiv pentru a genera doar 1000
replicări ale procesului. În limita ca numărul de realizări se apropie de infinit, distribuția
empirică a lui abordează adevărata sa distribuție. Cu toate acestea, având în vedere
constrângerile practice, este imposibil să se determine câte simulări finite sunt necesare pentru a
obține o bună estimare a distribuției reale. Strategia noastră este de a folosi 1000 de simulări
pentru a calcula prețul opțiunii și și pentru a repeta această procedură de 100 de ori.
Cu 100 realizări ale prețului opțiunii (și astfel varianța implicită), putem construi un interval de
încredere în jurul părții medii de deviație, care cuantifică părtinirea numerică în experiment.4

Ca o verificare a posibilei tendințe numerice de a utiliza numai 1000 de trageri, procedura

precedentă este modificată astfel încât să se facă 10.000 tragerile din stoc și evoluția varianței
(simularea de 10.000 de tragere este efectuată independent de simularea cu 1000 de trageri).
(Tehnica variată a antithezelor de a folosi fiecare pereche de trage de patru ori, discutată în Hull și White (1987),
este folosită în acest sens. Ecuațiile (11) din articolul respectiv (vezi notele din tabelul 2), cu variabile aleatorii
distribuite în mod normal, formează baza pentru simulare.

În realitate, experimentul de simulare utilizează 100.000 de simulări (1000 realizări, de 100 de ori) pentru a
construi estimări de părtinire. Strategia alternativă comparabilă - 100.000 de realizări fără repetări - oferă doar o
estimare a prețului opțiunii, astfel încât nu se poate construi un interval de încredere. Deși 100.000 de simulări pot
fi suficiente pentru a asigura o estimare precisă a prețului opțiunii adevărate și a distribuției lui V, nu există nicio
modalitate de a determina acest lucru din strategia alternativă.)

Aici sunt luate 1.000.000 de trageri pentru fiecare stoc. Efectul mărimii simulării este văzut prin
compararea rezultatelor pe măsură ce trecem de la 1000 la 10.000 de trageri.

Rezultatele experimentelor Monte Carlo sunt prezentate în Tabelul 2. Mijloacele de eșantionare

și erorile standard sunt raportate în cazul celor 100 de repetări ale varianței cumulative medii
simulate varianței implicite și părtinire inerentă. Aceste valori sunt calculate și
raportate pentru trei valori ale varianței inițiale [V (0)]. Valoarea medie a lui V (0) este varianța
necondiționată, C, luată din tabelul 1, specificarea 1. Simulările folosind 10 000 de tragere se
efectuează numai pentru valoarea medie a V (0) și sunt raportate ultima dată pentru fiecare
companie din masa.

Rezultatele arată că părtinirea medie inerentă în apropierea analitică utilizând modelul de

stabilire a opțiunii nu este niciodată mai mare de 1,3% din variația reală. Varianța imbricată în
analiza Monte Carlo pare să fie trivială, deoarece erorile standard ale părtinii sunt, de asemenea,
mici: intervalele de încredere de două erori standard în jurul părții medii nu includ niciodată 3 la
sută în valoare absolută. Atunci când se repetă 10.000 de încercări, limitele de eroare de două
limite sunt întotdeauna mai mici de 1,5% în valoare absolută. Rețineți, de asemenea, că
volatilitatea implicită medie din simulările de 10.000 de draw este întotdeauna în cadrul a două
erori numerice standard ale simulării 1000-draw.

Din rezultatele de simulare obținute de Hull și White (1987), s-ar putea să ne așteptăm la o
părtinire mare pentru cazurile în care α este mare. De exemplu, ele arată că pentru ξ = 3 pe o
bază anuală, care corespunde aproximativ α = .11 (ca și pentru CSC și TAN în datele noastre),
diferența variației implicite este de 20%. Totuși, rezultatul lor este valabil pentru μ. = 0; adică
procesul de variație urmează o plimbare aleatorie. Constatările noastre de părtinire scăzută sunt
probabil datorate reversiei în procesul de variație estimat în timp discret. De asemenea, pentru
companiile precum DPT și TOY care au persistență puternică în varianță, estimările sunt relativ
mici.

Ca o verificare a sensibilității, au fost repetate experimentele pentru mai multe companii cu

valori mult mai mari ale lui ρ în valoare absolută. De exemplu, FDX cu V (0) de 538,12 și ρ de
- .8 generează o polarizare medie de 0,59% (interval de încredere de două erori standard: [- .69,
1.86]); când p este setat la .8, deviația medie devine -1,28% (intervalul de încredere două
standarde: [-2,78, 0,22]). Acest rezultat este reprezentativ pentru cele pentru toate cele 10 stocuri.
Concluzionăm că, în modelul HW cu probabilități neutre la risc, procedura noastră de extracție a
varianței pare a fi insensibilă în ipoteza nelinearității și neclaritatea în contextul datelor noastre.
Vom face referire la aceste rezultate pentru a determina efectele potențiale ale prejudecății
inerente asupra inferențelor din testele bazate pe proto-limitele restricțiilor de ortogonalitate.
S este prețul acțiunilor. Propunerile Brownian dw și dz au o corelație instantanee a ρ. Urmând
Hull și White (1987), evaluarea opțiunilor neutre la risc se realizează prin simularea următoarelor
două ecuații:

(Creșterea timpului relevant este considerată o zi. În toate cazurile, opțiunea expiră în 135 de zile. (1 ') și
(2') sunt simulate de 1000 de ori (trage), folosind tehnica variată de control cu patru căi descrisă de Hull and White
(1987). [Simularea se repetă folosind 10000 de simulări, de 100 de ori pentru valoarea medie a lui V (0).
Rezultatele din acest experiment sunt raportate pentru fiecare companie - folosind valoarea medie a V (0) - sub
prima linie orizontală.] Aceasta oferă un preț unic (de piață) de opțiune (și prognoza variației cumulative a pieței)
volatilitatea este calculată analitic, urmând Black-Scholes. Acest lucru va fi exact corect în acele cazuri în care
Black-Scholes este exact liniar în Vand unde ρ = 0. Această simulare pentru a obține o volatilitate implicită este
repetată de 100 de ori pentru a furniza erorile medii și standard ale părtinii inerente (sursa de variație este

numeric, eroare de eșantionare). u și ν sunt independente normale (0, 1) se abate. ,

. Valorile μ și ξ. sunt derivate din estimările GARCH (1, 1) ale ecuației de variație pentru
fiecare companie (vezi Tabelul 1), după Nelson (1990). valoarea ρ este calculată ca corelație a eșantionului dintre
varianța condițională GARCH (1, 1) pe ziua t (informațiile date până în ziua t-1) și randamentul zilei t. Toate
variantele sunt de 1 milion zilnic.)

2. Teste ale restricției ortogonalității

2.1 Teste și date

Testează restricțiile de ortogonalitate în două moduri de bază. Primul set de teste, în Secțiunea
2.2, analizează puterea predictivă marginală a comportamentului trecut al procesului de
returnare, având în vedere varianța implicită, folosind regresii în probe și teste statistice clasice.
Secțiunea 2.3 conŃine rezultatele testelor de prognoză în afara eșantionului. Investigăm
capacitatea varianței implicite de a anticipa volatilitatea reală în afara modelelor folosind
informații anterioare prin compararea erorilor pătrate medii pătrată și prin estimarea regresiilor
care includ.

Variantele implicite utilizate în acest studiu sunt construite din date opționale și prețuri actuale
pentru 10 acțiuni individuale cu opțiuni tranzacționate la bursă la Chicago Board Options
Exchange (CBOE) pentru perioada 19 aprilie 1982 - 31 martie 1984. Pe etajul CBOE există mai
mulți factori de piață concurenți pentru fiecare dintre aceste opțiuni. Un grefier înregistrează de
fiecare dată când unul dintre producătorii de piață citează un preț de ofertă care este mai mare
decât ofertele celorlalți producători de piață. În mod similar, funcționarul înregistrează toate
citatele de solicitare care sunt mai mici decât cele solicitate. Atât cotațiile de licitare, cât și cele
de solicitare în astfel de puncte sunt afișate cu timp de ștampilare la cea mai apropiată secundă,
împreună cu cel mai recent preț al acțiunilor care a trecut biletul. Ne referim la ofertele cele mai
ridicate și cele mai scăzute ca la intervalele de răspândire. Cea mai bună ofertă și cele mai bune
cotații de solicitare nu sunt neapărat de la același producător de piață. Datele noastre, preluate
din baza de date cu opțiuni de la Berkeley, constau în fiecare răspândire internă în fiecare zi din
eșantionul nostru. Fiecare opțiune din intervalul de răspândire este asociată cu cel mai recent preț
al acțiunilor de la bursă, înregistrat de grefier.

Eșantionul de date și tehnicile de extracție utilizate în acest studiu sunt alese pentru a evita cât
mai multe erori în măsurarea varianței implicite. Stocurile din eșantionul nostru nu au plătit
divizări de numerar între 1981 și 1985; prin urmare, opțiunile sunt în esență europene. Perioada
eșantionului nu are o semnificație specială. Începe nouă ani de la începerea tranzacționării
publice cu opțiunile enumerate, astfel încât factorii de decizie ar trebui să fie adroiți la locul de
muncă. De asemenea, permite izolarea acțiunilor care nu plătesc dividende și este o perioadă
relativ calmă (în comparație cu, de exemplu, sfârșitul anului 1987), astfel încât bursa trebuie să
raporteze prețurile tranzacțiilor pe acțiuni actualizate.

Rețineți că nu folosim prețurile tranzacțiilor din piața opțiunilor. În orice moment în care piața
este deschisă, prețul opțiunii se presupune a fi mijlocul intervalului de ofertă intern-ofertă. Deși
prețurile tranzacțiilor actuale pot include efecte de presiune asupra prețurilor și (ultime) prețurile
tranzacțiilor de pe ambele piețe la un moment fix (cum ar fi închiderea) vor fi întotdeauna
asincron, datele noastre nu suferă de nici una din aceste probleme.

Cu toate acestea, seria zilnică de întoarcere poate constitui zgomot din cauza răspândirii bid-ask
"sări". Subgrupul de acțiuni cu opțiuni listate în 1982 a constat din stocuri tranzacționate în mod
activ și, în general, din stocuri mari în ceea ce privește valoarea de piață a capitalurilor proprii.
Pentru aceste stocuri, spread-urile relativ tind să fie mici, iar procesul de preț observat ar trebui
să fie o variabilă instrumentală excelentă pentru prețul "adevărat" latent. În același fel, cel mai
recent preț al acțiunilor care corespunde opțiunii din benzile de la Berkeley poate conține un
zgomot. Din nou, în măsura în care acest zgomot se comportă bine, procedura utilizată pentru a
implica o singură varianță din datele din întreaga zi ar trebui să servească la trivializarea
problemei erorilor în variabile.

Au fost folosite doar acele opțiuni care erau cel mai aproape de a fi bani. În plus, din cele trei
date de expirare disponibile pentru cele mai multe companii și în majoritatea zilelor, opțiunea
intermediară este utilizată pe tot parcursul analizei. Numărul de citate dintr-o zi variază
semnificativ între eșantion, însă numărul mediu de cotații pe zi pe companie este de aproximativ
50 pentru opțiunea de apel pe termen mediu și lung.

Construim serii temporale de variante implicite pentru fiecare stoc din eșantion după cum
urmează. În fiecare zi, opțiunile la momentul opțiunii sunt izolate prin alegerea acelor opțiuni cu
prețul de lansare cel mai apropiat actualizat (la rata riscului) la prețul acțiunilor la închiderea
opțiunii. Dintre acestea, pentru acele opțiuni care expiră la termenul intermediar, se calculează o
singură varianță implicită zilnică prin minimizarea peste varianță a sumei de erori pătrat de la
cotații actuale la valoarea de model Black-Scholes la acea varianță. Valoarea modelului este
considerată a fi o funcție a randamentului facturii americane de trezorerie, care scade cât mai
aproape posibil de data de expirare pe termen mediu și cel mai recent preț de tranzacționare al
acțiunii de la NYSE, care este similitudinea prețul de vînzare raportat pe banda de la Berkeley.6
După cum se observă, există în medie 50 perechi de cotații folosite pentru a defini o singură
variație implicită pe zi. Opțiunile citatează valorile medii și prețurile corespunzătoare ale
acțiunilor care încalcă condițiile limită inferioară Black-Scholes sunt blocate. În caz contrar,
toate opțiunile de calificare din cadrul zilei sunt tratate în mod egal. Această procedură
presupune că varianța este constantă într-o zi.

(Se utilizează un algoritm patrat de alpinism, care are proprietăți de convergență bune. Această tehnică a fost
sugerată de Whaley (1982) și este mai eficientă decât cea utilizată de Brenner și Galai (1987), și anume, implicând
o variație a fiecărei opțiuni și folosind media zilnică.

fi Am colectat zilnic randamentele facturilor de trezorerie de la Wall Street Journal. Pentru opțiunile care se matură
în șase luni sau mai puțin, există întotdeauna o diferență de o zi în ziua scadenței facturii de trezorerie și data
expirării opțiunii. Deoarece facturile pe 12 luni sunt licitate numai la fiecare patru săptămâni, uneori există o
diferență de opt zile între scadența facturii aplicabile Trezoreriei și expirarea opțiunii. Există trei zile în perioada
eșantionului în care piața de facturi a fost închisă, dar NYSE și CBOE au fost deschise. În aceste cazuri, datele ratei
din ziua precedentă au fost înlocuite. În baza de date Berkeley lipsesc datele pentru datele 1 iulie 1983 și 23
decembrie 1983. Pentru aceste date, folosim datele de opțiuni din ziua precedentă pentru a înlocui valorile lipsă.)

2.2 Teste bazate pe regresie

În această subcapitolă se testează restricțiile de ortogonalitate prin examinarea semnificației

coeficienților GARCH (α și β) în specificația varianței de condiție după contabilizarea opțiunilor

de volatilitate ale opțiunilor de piață. Deci, definim în (6) a fi varianta implicită de date
dată la momentul t - 1 și permitem γ să fie un parametru liber. Din discuția din secțiunea 1.2,

variația condiționată , corespunde varianței instantanee a difuziei Vt. Dacă durata opțiunii T

este o zi, atunci și sunt identice pentru aproximarea timpului discret. Ecuația generală

de variație condiționată din (6) poate fi interpretată ca o regresie a , asupra varianței

subiective, măsurată prin varianța implicită și informația trecută. Restricția de ortogonalitate a
ipotezei comune implică faptul că coeficienții GARCH din (6) sunt zero (adică variabilele
GARCH nu au o putere de predicție marginală).

Acest test este supus unei critici evidente și importante. În timp ce este variația condiționată

a randamentelor zilnice, în acest studiu este varianța implicită dintr-o opțiune care se
maturizează la un orizont mai mare decât o zi (între 64 și 129 zile de tranzacționare). În cadrul
modelului HW, varianța implicită reprezintă predicția pieței privind volatilitatea zilnică medie pe

durata de viață rămasă a opțiunii. Astfel, având în vedere această specificație, nu este un
predictor exact al variabilei dependente . Ziua și Lewis (1992) utilizează orizonturile de
întoarcere săptămânale cu opțiuni index care se maturează într-o lună și, prin urmare, fac
obiectul acelorași critici. Realizăm aceste teste ca o caracterizare preliminară a restricțiilor de
ortogonalitate și luăm în considerare această problemă de nepotrivire a maturității cu testele
extra-probate din secțiunea 2.2 de mai jos.

Rezultatele testelor bazate pe eșantion, bazate pe regresie, sunt prezentate în tabelul 1. Tabelul
conține rezultatele estimative pentru modelul nerestricționat din (4) la (6) (specificația 4) și trei
specificații restrânse. Specificația 1 este un model homoskedastic în care se impune restricția

. Specificația 2 este standardul GARCH (1, 1) unde y este limitat la egal

cu 0 (și este discutat în secțiunea 1.2). Specificația 3 limitează heteroskedasticitatea condiționată
pentru a fi pe deplin manifestată în prognoza varianței de piață a opțiunii. Un test al raportului
probabilității (LRT) cu privire la restricțiile impuse specificației 2 prin specificarea 1 sugerează

că ipoteza nulă de nicio GARCH poate fi respinsă la nivelul de 1% pentru

toate cele 10 companii, presupunând normală condiționată , ceea ce confirmă concluziile din
secțiunea 1.2. Așa cum am discutat acolo, gruparea varietăților nontrivială este o caracteristică
importantă a majorității companiilor.

Din specificația 3, putem respinge nulul care nu are putere explicativă pentru varianța reală
zilnică pentru toate companiile, cu excepția DEC, chiar și datorită problemei de nepotrivire a
maturității. În toate celelalte cazuri, acest coeficient este semnificativ și pozitiv. Coeficientul
depășește unitatea în opt cazuri.

Ipoteza nulă comună a eficienței informaționale și a modelului HW poate fi testată împotriva

alternativei care permite termenilor GARCH să aibă capacitate predictivă incrementală prin
compararea specificațiilor 3 și 4. Folosind LRT, respingem ipoteza nulă la nivele standard de
semnificație pentru 7 din cele 10 companii: CSC, FDX, NSM, ROK, STK, TAN și TOY. "
Inferența statistică pentru celelalte trei companii este împiedicată de faptul că constrângerile de
nonnegativitate impuse în estimare sunt obligatorii în ecuația varianței.

În ciuda perioadelor de eșantionare variate, a activelor, a orizonturilor și așa mai departe, aceste
rezultate sunt în concordanță cu cele ale lui Day și Lewis (1992) - informațiile pasive
îmbunătățesc prognoza pieței volatilității. Cu toate acestea, acest rezultat trebuie interpretat cu
prudență, deoarece problema de eroare a maturității poate prejudicia testul împotriva varianței
implicite. În următoarea subsecțiune vom face ajustări pentru această problemă în contextul
comparațiilor de prognoză extrase din eșantion.

2.3 Teste în afara eșantionului

Incompatibilitatea orizonturilor prognozate care apare în testele bazate pe regresie este eliminată
în această subsecțiune prin transformarea prognozei GARCH a varianței zilnice la previziunile
varianței medii zilnice pe durata de viață rămasă a opțiunii corespunzătoare. În orice zi t din
eșantion (t = 1, ..., 495), putem construi o prognoză a , folosind valoarea egală a Ecuației (6)

cu γ egală cu zero. Prin substituirea recursivă a acestei ecuații GARCH, prognoza pentru ,
poate fi construită pentru orice k> 0, dat informație la t. Pentru a obține o prognoză GARCH care
este direct comparabilă cu interpretarea noastră a varianțelor implicite, vom construi previziunile
GARCH pentru unde N este numărul de zile rămase în viața opțiunii
pe termen mediu în ziua t. Indicați media peste aceste previziuni N de către Gt. Orizonturile
prognozate pentru și varianța implicită sunt identice după construcție. Ipotezele comune nula
implică faptul că , nu este un predictor mai bun al volatilității revenirii N-pas înainte realizată
decât varianța implicită; adică restricția ortogonalității înseamnă că nu poate fi folosit pentru
a îmbunătăți prognoza în varianța implicită. În această subcapitolă, comparăm performanța
prognozată a varianței implicite cu prognoza GARCH G și un model naiv de prognoză.

Pentru a ne asigura că comparațiile prognozate nu sunt părtinitoare în favoarea modelului din

seria de timp, avem grijă să construim previziunile GARCH utilizând informațiile disponibile
comercianților în momentul în care sunt făcute previziunile. Astfel, comparațiile de previziuni
sunt făcute în afara eșantionului. Considerăm că modelele GARCH sunt actualizate și
actualizate. Structura de rulare utilizează o mărime constantă a eșantionului de 300 de observații,
adăugând randamentul în ziua t - 1 și ștergând randamentul zilei t - 301 din eșantionul utilizat
pentru a estima GARCH în fiecare zi t. Procedura de actualizare adaugă pur și simplu informații
în timp ce progresează timpul pentru a construi o previziune actualizată. Deoarece modelul
GARCH este estimat numai din datele stocului (și, prin urmare, nu este legat la eșantionul de
opțiuni), primul eșantion începe cu 301 de zile de tranzacționare înainte de 19 aprilie 1982,
prima zi a eșantionului nostru de variație implicită. Modelul GARCH este reevaluat de 495 de
ori, pentru fiecare procedură, pentru a construi prognoze extrase din eșantion, care sunt
actualizate. În plus față de GARCH, considerăm, de asemenea, variația actualizată a eșantionului
randamentelor anterioare ca o prognoză naivă de varianță:

unde este rezidualul estimat din Ecuația (4), cu α=β=γ= 0.

Prognoza performanței este evaluată prin compararea capacității prognozelor de a prezice media
out-of-probă a reziduurilor de întoarcere pătrat din Ecuația (4) pe durata de viață rămasă a
opțiunii pe termen intermediare. Pentru a fi mai precis, presupuneți că această opțiune în ziua t
are N zile până la maturitate. Apoi, volatilitatea realizată în această perioadă este dată de:
Rețineți că z, este construit pentru a fi compatibil cu interpretarea varianței implicite și G.
Comparațiile se bazează pe eroarea medie a eșantionului de ieșire

unde x, este alternativ variația implicită la momentul t, cele două prognoze GARCH și H
"reprezintă eroarea absolută

și rădăcină eroare medie pătrată

Rezultatele acestui exercițiu sunt cuprinse în Tabelul 3. Varianța implicită are cel mai mic RMSE
pentru doar două companii (DPT și TOY). Pentru restul companiilor, GARCH și premiile naive
au un RMSE mai mic decât variația implicită. Astfel, pentru aceste companii, utilizarea
informațiilor din trecut privind procesul stoc-return poate îmbunătăți prognoza pieței.
Următoarele puncte sunt, de asemenea, evidente din tabel:

1. Actualizarea GARCH depășește performanța GARCH pentru toate cele 10 companii conform
criteriului RMSE?

2. Varianta actualizată a eșantionului are cea mai mică RMSE în 5 din 10 cazuri. Această
performanță de prognoză relativă este în contradicție cu rezultatele lui Akgiray (1989). Akgiray
constată că prognozele de varianță GARCH sunt convingător superioare varianței istorice ca
prognoză utilizând criteriul RMSE pentru datele din indicele bursier. Cu toate acestea, Akgiray
folosește un orizont de prognoză de numai 20 de zile. Am replicat analiza cu un orizont de 100
de zile (reprezentând numărul mediu de zile calendaristice la orizontul acestui studiu) și am
constatat că clasamentele relative ale varianței istorice și GARCH au fost răsturnate, ceea ce este
în concordanță cu rezultatele noastre.

3. ME pentru varianta implicită este pozitivă pentru toate companiile, ceea ce indică faptul că
variația implicită este sistematic mai mică decât volatilitatea efectivă în această perioadă.
Această caracteristică a performanței de prognoză a volatilităților implicite este ușor vizibilă în
Figurile 1 și 2. Aici se compară randamentele medii pătrat realizate pe durata de viață a opțiunii,
variația actualizată a eșantionului și varianța implicită pentru două companii reprezentative CSC
(cu relativ scăzută persistența în variație) și STK (cu persistență relativ mare).

(Într-un studiu care analizează eficiența prognozată a GARCH (în ceea ce privește utilitatea așteptată), West et al.
(1990) consideră că GARCH rulant este superioară actualizării. Datele din această lucrare sunt ratele săptămânale
de schimb valutar.)

(GARCH (G), istoric (H) și varianța implicită sunt fiecare utilizate pentru a prognoza media varianței zilnice pe
durata de viață rămasă a opțiunii. Pentru fiecare zi din eșantion, fiecare prognoză este comparată cu media reală a
varianței zilnice. În acest tabel, sunt utilizate numai opțiunile cu zile până la scadență între 90 și 180 de zile. Sunt
utilizate numai opțiunile de apel care sunt cele mai apropiate de bani. Variabila realizată este măsurată ca media
eșantionului pe durata de viață rămasă a opțiunii, unde este media necondiționată a procesului de
returnare.

După cum este definit în text, ME se referă la eroarea medie de prognoză, MAE se referă la eroarea absolută medie,
iar RMSE se referă la eroarea medie pătrată a rădăcinii. Previziunile privind prognozele GARCH utilizează cu 300
de zile înaintea zilei de la care se face prognoza. GARCH actualizat adaugă o observație suplimentară pentru
fiecare prognoză. Toate randamentele sunt procente zilnice de 1000 ori.)

(Măsuri de varianță zilnică pentru CSC (19 aprilie 1982 până la 31 martie 1984)

Figura 1

Două previziuni ale varianței medii stoc-return pe orizont t N sunt comparate cu variația medie reală față de acel
orizont pentru fiecare zi din perioada eșantionului. Variază varianta actualizată a eșantionului (folosind cel puțin
ultimele 300 de rentabilități zilnice) și varianța implicită din cotațiile simultane ale prețului acțiunilor și ale
opțiunilor pe parcursul zilei pe opțiunea cea mai apropiată de opțiunea de cumpărare în bani, care are scadență în
zilele N (de tranzacționare) Ambele măsuri pot fi considerate predictori ai varianței medii față de
durata rămasă a opțiunii. Varianța reală a rentabilității stocului (care a fost, de fapt, realizată) pe orizontul de
prognoză este, de asemenea, reprezentată grafic. Cele trei măsuri de variație reprezentate sunt (CCC) variația
actualizată a eșantionului; varianța implicită; și (***) varianța reală pe orizontul de prognoză. Dacă
ipoteza nulă comună a hârtiei ar fi adevărată, atunci varianța implicită ar fi un predictor imparțial al variației
efective realizate, iar varianța istorică a eșantionului ar fi ortogonală cu eroarea de predicție.)

Figura 2

Măsuri de varianță zilnică pentru STK (19 aprilie 1982 până la 31 martie 1984)

Două previziuni ale variației medii stoc / randament în perioada t + 1 până la t + N este comparata cu variația
medie reală în această perioadă. În ziua t din eșantion, complotăm varianta actualizată a eșantionului (utilizând cel
puțin ultimele 300 de rentabilități zilnice) și varianța implicită de la prețurile bursiere simulate și opțiunile citate în
timpul zilei la cea mai apropiată opțiune pentru apelul bancar matură în zile N (de tranzacționare)
Ambele măsuri pot fi considerate predictori ai varianței medii față de durata rămasă a opțiunii.
Varianța reală a rentabilității stocului (care a fost, de fapt, realizată) pe orizontul de prognoză este, de asemenea,
reprezentată grafic. Cele trei măsuri de variație reprezentate sunt (CCC) variația actualizată a eșantionului;
varianța implicită; și (***) varianța reală pe orizontul prognozat.În cazul în care ipoteza nulă comună a
hârtiei ar fi adevărată, atunci varianța implicită ar fi un predictor imparțial al varianței reale realizate, iar varianța
istorică a eșantionului ar fi ortogonală predicției eroare.

Așa cum a remarcat Fair și Shiller (1990, pp. 375-376), simpla comparare a previziunilor în afara
eșantionului folosind RMSE are limitări. Perspective suplimentare asupra naturii diferitelor
modele de prognoză pot fi obținute prin regresarea rezidualilor medii pătrat realizate pe cele trei
prognoze alternative în afara eșantionului:

Toate variabilele sunt cele definite mai sus, cu excepția faptului că G, este prognoza GARCH
actualizată, condiționată de informațiile disponibile la momentul t, de variația medie; rularea
GARCH nu este utilizată aici, deoarece actualizarea GARCH o domină sub RMSE, iar aceste
două sunt foarte corelate.

Această regresie este în spiritul literaturii cuprinzătoare [Henry și Richard (1982)]. Dacă o
prognoză nu conține informații utile privind evoluția variabilei dependente, ne-am aștepta ca
coeficientul din această previziune să fie nesemnificativ diferit de zero. Restricția ortogonalității
implică faptul că modelele alternative din seria temporală nu conțin informații care nu sunt
încorporate în variația implicită care poate fi utilizată pentru a prezice volatilitatea realizată.
Astfel, regresiile încorporate sunt strâns legate de testele de regresie din eșantion. Cu toate
acestea, acest design evită problema nepotrivirii scadențelor, iar prognozele sunt condiționate de
informațiile disponibile la perioada t. După cum a subliniat Fair și Shiller (1990), acest test evită,
de asemenea, ambiguitatea inerentă a comparațiilor RMSE.

Cele mai mici pătrate ordinare (OLS) reprezintă un estimator consecvent al acestor coeficienți de
regresie. Cu toate acestea, deoarece orizontul de prognoză depășește frecvența datelor
disponibile, termenul de eroare va fi un proces media în mișcare. Deoarece cele mai mici pătrate
generalizate sunt inconsistente (deoarece erorile de prognoză nu sunt strict exogene), luăm
abordarea obținerii unui estimator consecvent al matricei covarianței de variație a estimatorilor
OLS prin metoda generalizată a momentelor (GMM). Un exemplu timpuriu al acestei proceduri
este Hansen și Hodrick (1980).

Pentru a construi acest estimator consecvent, vom folosi aproximația kernelului Bartlett la
densitatea spectrală la frecvența 0 a valorilor reziduale până la greutatea întârziată, așa cum a
sugerat Newey și West (1987). Așa cum sa menționat de Andrews (1991), teoria asimptotică
pentru acest estimator impune ca lungimea de întârziere folosită pentru a acumula varianța să
meargă la infinit cu dimensiunea eșantionului. Prin urmare, selectarea duratei de întârziere nu
este evidentă. Folosim metoda lui Andrews (1991) pentru a estima optim această lungime de
întârziere.

(Fair și Shiller (1990) utilizează această strategie empirică pentru a deduce conținutul informațional al modelelor
alternative de creștere reală a PNB. În special, aceștia examinează performanța de prognoză a unui model
structural și a diferitelor modele din seria de timp a producției agregate. Deși problema economică din articolul
nostru diferă de Fair și Shiller, este clar că întrebările pe care le punem sunt similare cu ale lor. Astfel, metodele lor
de deducere sunt potrivite pentru analiza noastră).

(β3 este restricționat să fie 0 în primul model și un parametru liber în al doilea. z, este media realizată
în perioada t + 1 până la t + N, unde t + N este data scadenței opțiunii. ξeste variația implicită de la toate cotațiile
la opțiunile la termen, pe termen mediu (care expiră la momentul t + N) în ziua t. G, este o prognoză de varianță
GARCH (1, 1) înainte (actualizată în funcție de informațiile disponibile la momentul t). H, este varianta actualizată
a eșantionului măsurată în ziua t M * este lățimea de bandă optimă utilizată pentru a estima kernelul Bartlett în
matricea de variație-covarianță Newey-West [după Andrews (1991)]. GMM t se referă la statistica t Studentului
calculată folosind această matrice. Toate randamentele sunt procente zilnice de 1000 ori. Toate variantele se fac
zilnic)

Tabelul 4 conține rezultatele testelor optime de ponderare prognoză. Două regresii sunt raportate.
În primul, 133 este constrâns să fie 0, iar al doilea este modelul nerestricționat. În tabel, raportăm
lățimea de bandă automată obținută prin procedura Andrews, M *; t-statisticile sunt calculate
folosind M * în schema de weighting Newey-West. Toate testele au fost efectuate cu o lățime de
bandă de 32, 66 și 132, de asemenea. Niciunul dintre următoarele inferențe nu este sensibil la
alegerea lățimii de bandă.

În general, prognoza optimă optimă a volatilității medii realizate plasează o pondere pozitivă
semnificativă statistic asupra varianței implicite de pe piața opțiunilor, fără o pondere
semnificativă în prognoza GARCH și o pondere negativă semnificativă semnificativă asupra
indicatorului actualizat varianță. DEC, PDN și ROK sunt excepții de la acest model. Doar DEC
are un coeficient negativ semnificativ pe prognoza GARCH. În toate cele 10 cazuri, interceptul
este pozitiv și statistic semnificativ. Acest rezultat este în concordanță cu dovezile anterioare că
în această perioadă previziunile de variație sunt părtinitoare.

Aceste rezultate de regresie sugerează importanța punctului făcut de Fair și Shiller (1990).
Comparațiile RMSE suprimă o cantitate mare de informații despre problema construirii unei
prognoze optime. În ciuda faptului că au cel mai mic RMSE în numai două cazuri, varianța
implicită are o pondere semnificativă în prognoze în șapte cazuri. În mod simetric, rețineți că în
cele două cazuri în care varianța implicită a avut cel mai mic RMSE (DPT și TOY), varianța
istorică are o putere semnificativă de prognoză.

(Andrews (1991) a dezvoltat teoria asimptotică pentru a estima lungimea optimă a lățimii sau lățimea benzii pentru
o probă dată de mărimea T ca funcție a structurii de autocovarianță a matricei V, unde T x 1 este un
vector a reziduurilor OLS și X este matricea T x K a regresorilor. În cazul nostru, prima coloană este un vector de
1. Estimăm un proces AR univariat (1) pentru fiecare coloană de V Coeficienții K AR (1) și variantele reziduale sunt
apoi folosite pentru a calcula et (1) folosind Ecuația ( 6.4) în Andrews (1991, p. 835). Folosim greutăți de 1 pentru
ρ = 2, ..., Kand 0 pentru ρ = 1 (notele lui Andrews creează o matrice de covarianță invariantă la scară, p. 834).
Deoarece utilizăm estimatorul de kernel triunghiular (Bartlett) ca în Newey și West (1987), obținem lățimea optimă
de bandă prin conectarea unei (1) în Ecuația lui Andrews (6.2) (p. 834). Rezultatul acestei ecuații este egal cu M *
+ 1, unde M * este lățimea de bandă optimă utilizată pentru a calcula matricea variabilă-covarianță, ca în Newey
și West. M * crește cu rădăcina în cub de T.)
( z, este media realizată ) 'în perioada t + 1 până la t + N, unde t + N este data scadenței opțiunii. ξ este
varianța implicită a tuturor cotelor la opțiunile la termen, pe termen mediu, care expiră la momentul t + Non day t.
H, este varianta actualizată a eșantionului măsurată prin ziua t. M * este lățimea de bandă optimă utilizată pentru a
estima kernelul Barlett în matricea de variație-covarianță Newey-West [după Andrews (1991) 1. GMM t se referă la
statistica t Studentului calculată folosind această matrice. Toate randamentele sunt procente zilnice de 1000 ori.
Toate variantele se fac zilnic.)

Rezultatele raportate în acest tabel sugerează că ipoteza nulă comună a eficienței pieței și a
modelului HW este respinsă la nivele standard de semnificație. Cu toate acestea, nu este cazul ca
filtrarea datelor cu modelul HW să fie neinformativă. Pentru un agent care se confruntă cu o
prognoză optimă de variație, norma aici este de a exploata informații atât pe calea istorică a
prețurilor acțiunilor, cât și a opțiunilor contemporane și a prețurilor acțiunilor.

Se efectuează o regresie alternativă și rezultatele sunt prezentate în Tabelul 5. Aici variabila

dependentă este definită ca o eroare de model măsurată prin varianță: z, - Regresorul este
estimarea actualizată a variației esantionului la ora t. Statisticile de testare sunt derivate din
matricea de covarianță a GMM ca în tabelul 4. Cu excepția ROK (de asemenea, o depășire în
analiza optimă a prognozei, cu o ponderare negativă nesemnificativă la 0, interceptarea în
această regresie este pozitivă și semnificativă. Varianta estimată este negativă și semnificativă.
Rețineți că ordinea de magnitudine a interceptului este aceeași cu variabila dependentă în sine:
Valorile r2 raportate în Tabelul 5 sunt mari.
În jumătate din cazuri, peste 45% din eroarea de stabilire a varianței măsurată este explicată de
evoluția varianței actuale.

2.4 Interpretarea rezultatelor

Rezultatele diferitelor experimente efectuate sunt, în general, incompatibile cu ipoteza comună a

modelului de stabilire a opțiunilor variabilei stocastice și a eficienței informaționale. Această
deducere este robustă în cadrul modelelor experimentale in-și în afara eșantionului. Testele
dezvăluie două fapte pentru cele 10 companii din eșantion:

1. Varianța implicită tinde să subevaluăm variația realizată (a se vedea eroarea medie în Tabelul 3
și interceptul semnificativ pozitiv din Tabelul 5).

2. Prognozele de variație față de randamentele anterioare conțin informații relevante care nu sunt
cuprinse în prognoza de piață construită în ipotezele HW. Ponderea optimă pe aceste previziuni
de variație este negativă (vezi tabelele 4 și 5).

Ne referim la rezultatele din Tabelul 2 și ne întrebăm dacă aceste caracteristici se pot datora
exclusiv prejudecății inerente procedurii noastre de implicare a volatilitelor în ipoteza unei
corelații zero între rata de schimbare instantanee a prețului acțiunilor și cea instantanee varianța
și liniaritatea modelului de stabilire a prețurilor. Cea mai mică pondere procentuală din date este
pentru CSC. Aici, eroarea medie a varianței implicite din tabelul 3 este 33,48, iar nivelul de
variație este 590,52 (vezi Tabelul 1, specificația 1), o eroare procentuală de 5,67. Din tabelul 2,
sub nul comun, ne așteptăm la o eroare procentuală de -0,25 la sută; dacă eroarea procentuală
estimată a scăzut între -0,67 și 0,18%, nu am putea respinge nulul la un nivel de semnificație de
aproximativ 5%. "2 Pentru Tandy, ca o companie mai reprezentativă, părtinirea așteptată sub nul
este de 0,94% , cu un interval de eroare de două standardi de la 0 la 1,36%. Deversarea datelor
este de 27,54%. În toate cele 10 cazuri, eroarea de prognoză în afara eșantionului se află în afara
intervalului de încredere calibrat cu două erori standard. Astfel, subpredicția documentată a
varianțelor implicite nu poate fi atribuită celor două surse potențiale de părtinire.

De asemenea, din tabelul 2, ne întrebăm dacă relația empirică dintre eroarea de prognoză a
varianței implicite și varianța actuală este doar rezultatul procedurii de aproximare folosită
pentru a implica variații. Este posibil ca coeficientul negativ pe I-I, (sau Gt) în regresiunile
cuprinzătoare să preia o tendință pentru variația implicită, deși mică, să se schimbe cu nivelul de
variație. Notați din tabelul 2 că în toate cele 10 cazuri procentajul inerent este proporțional cu
nivelul de variație V (0). Cu toate acestea, magnitudinea acestui fenomen este foarte diferită de
cea manifestată în date. Federal Express este un caz tipic. Din cele trei seturi de valori din
Tabelul 2 (generat cu 1000 de trageri, de 100 de ori), schimbarea în părtinirea absolută împărțită
la variația nivelului de variație este -0.008. Din tabelul 5, modificarea erorii de prognoză față de
variația varianței istorice este -4.81. "Prin urmare, în timp ce ne așteptăm la un coeficient negativ
asupra varianței istorice, mărimea acestui coeficient calculat din datele reale este prea mare
pentru a fi rezultatul prejudecăților inerente în proiectarea experimentală.
Întrucât prejudecățile inerente procedurii noastre de extracție sunt puțin probabil să fie motivul
respingerii ipotezei nula, putem speculează cauzele potențiale. O interpretare a efectului negativ
statistic semnificativ al varianței actualizate a eșantionului este că participanții de pe piață ignoră
în totalitate informațiile conținute în realizările anterioare ale profitului. O interpretare alternativă
constă în faptul că piața exagerată reacționează la șocurile de volatilitate recente: prea multă
greutate se pune pe trecutul recent al procesului de variație. O creștere actuală a volatilității
ridică varianța eșantionului, dar negativul 03 sugerează că acest șoc este temporar. Cu toate
acestea, comercianții de opțiuni imputernicesc o perimetru șocului, conducând la o subpredicție a
varianței [Stein (1989)].

Având în vedere eficiența informațională, rezultatele noastre pot fi explicate prin existența unei
prime de risc aplicate procesului de variație neretradată. Reamintim că o ipoteză care stă la baza
utilizării varianței implicite din model ca instrument de prognoză a varianței de piață este că
riscul de volatilitate nu este prețuit. Prețul opțiunii este independent de preferințele de risc dacă
agenții sunt neutri la risc sau dacă varianța instantanee nu este corelată cu consumul agregat și,
prin urmare, nu este corelată cu utilitatea marginală a averii. Dacă această ipoteză este falsă,
atunci prețurile opțiunilor observate vor include o primă de risc. De exemplu, dacă incertitudinea
de variație dă comercianților utilitate negativă, prețul opțiunii observate va fi mai mic decât
prețul neutru la risc, ceteris paribus. Când prețul observat este aplicat formulei Black-Scholes,
varianța implicită va fi în mod corespondent mai mică decât varianța reală. Așa cum am notat,
documentăm această subevaluare prin varianța implicită a tuturor stocurilor din eșantion.
Coeficientul negativ la nivelul actual de variație înseamnă că prima de risc este dependentă de
timp. În mod specific, varianța implicită crește în raport cu volatilitatea viitoare (realizată) pe
măsură ce variația stocului crește. Astfel, prima de risc de variație încorporată în prețurile de
opțiune se diminuează odată cu creșterea varianței stocului.

Melino și Turnbull (1990) folosesc metode numerice pentru a evalua o ecuație diferențială
parțială în spiritul lui Garman (1976) și găsesc dovezi care susțin ideea că există o primă de risc
non-negativă asupra procesului de variație în dolarul canadian. dolar piață opțiune de schimb
valutar. Ei au restrâns ca prețul riscului de variație să fie constant. Rezultatele noastre sugerează
că o astfel de primă de risc variază în timp pe piața de valori.

Analiza noastră empirică se limitează la construirea unei prognoze de variație optimă. Deoarece
respingem ipoteza nulă comună a eficienței pieței și a opțiunii variante stocastice de stabilire a
prețurilor pentru stabilirea prețurilor pentru aceste opțiuni, aceste rezultate nu indică faptul că s-
ar putea lua previziunile de variație optimă și le-ar putea folosi pentru a "bate" piața opțiunilor.
Este plauzibil ca prognoza pieței așa cum este încorporată în prețurile opțiunilor este optimă, dar
că filtrarea prețurilor prin modelul simplu de stabilire a opțiunilor de pret distorsionează
prognoza. Astfel, dacă s-ar utiliza "prognoza optimă" din regresii, profiturile generate de această
strategie ar fi compensate de riscul de volatilitate dacă funcția de utilitate a comerciantului este
aceeași cu cea a pieței.
Deși am motivat acest experiment ca test al restricțiilor unui model de stabilire a prețurilor
activelor, testele oferă, de asemenea, o imagine asupra naturii procesului de variație pentru aceste
stocuri individuale. Performanța slabă a eșantionului GARCH la orizonturile de la 90 la 180 de
zile pare să fie inconsecventă cu buna sa potrivire în eșantion și performanța bună a previziunilor
la orizonturi scurte [vezi Akgiray (1989)]. Acest set de rezultate este în concordanță cu un proces
de variație care este supus unor șocuri foarte persistente la frecvențe joase și șocuri de umplere
rapidă la frecvențe înalte. Această proprietate a variantelor stoc-return și relația sa cu GARCH a
fost sugerată de Lamoureux și La¬strapes (1990). Analiza teoretică a acestui fenomen este oferită
de Nelson (1992). GARCH tratează toate inovațiile în mod egal; prin urmare, aceasta exagerează
persistența șocurilor de frecvență ridicată, ceea ce conduce la previziuni excelente pe termen
scurt, dar și la previziuni pe termen lung.

Ca o notă finală, Back (1993) a dezvoltat un model de echilibru al comportamentului informat al

comercianților în spiritul lui Kyle (1985), unde comerciantul informat în mod monopol poate
tranzacționa cu un producător de marcă neinformat fie pe piața de acțiuni, fie pe piața opțiunilor.
Înapoi arată că singurul echilibru care nu generează oportunități de arbitraj pentru comerciantul
informat este unul în care varianța stocului este stocastică și în care prețul opțiunii conține
informații despre varianța viitoare care nu este disponibilă public în altă parte. Astfel, opțiunea
permite o diviziune mai fină de informații decât este disponibilă dintr-un set de informații care
exclude prețul opțiunii actuale. Empiric, acest rezultat teoretic ar putea fi respins dacă, de
exemplu, în analiza noastră, am constatat că greutatea optimă prognozată asupra varianței
implicite nu a putut fi diferențiată statistic de zero. Pentru 7 din cele 10 companii, varianța
implicită are o pondere pozitivă statistic. Acest rezultat este în concordanță cu modelul lui Back.

(Recunoscând că varianța necondiționată este estimată cu eroarea de eșantionare, adăugați două erori standard la
această estimare, iar eroarea procentuală este de 5,1. Inferența este neschimbată.

Coeficientul de regresie raportat în Tabelul 5 este un prim derivat analog în interpretarea sa raportului dintre
modificările raportate. Deși magnitudinea variației nivelului varianței este mare în Tabelul 2, mărimea și semnul
pseudoderivativului sunt practic identice între companii și independente de mărimea schimbării V (0).

Nu există niciun motiv să se suspecteze a priori că această primă de risc ar fi aceeași pentru toate acțiunile. Este o
funcție a corelației dintre procesul de variație și utilitatea marginală. În măsura în care variațiile stocurilor includ
factori comuni, primele de risc vor fi corelate.)

3. Concluzii

Examinăm ipoteza comună a unei clase de modele de stabilire a volatilității opțiunii stocastice și
a eficienței informaționale pe piețele de opțiuni utilizând o funcție de criterii bazată pe variația
randamentelor stocurilor care stau la baza. Pentru a examina această ipoteză, reprezentăm
varianța subiectivă a pieței ca varianță implicită față de datele și modelul de estimare a
opțiunilor. Folosind simulările cu timp discret ale procesului de returnare continuă, calibrate la
datele noastre, arătăm că posibilele tendințe dintre aceste două concepte de varianță sunt mici și
nu afectează inferențele testelor noastre de ipoteză comună.
Folosind atât testele din eșantion, cât și cele din eșantion, respingem implicarea ipotezei că
informațiile disponibile nu pot fi utilizate pentru a îmbunătăți prognoza de variație a pieței
încorporată în prețuri observabile măsurate prin această clasă de modele. Acest rezultat este
robust în diferitele modele de încercări și în biasul măsurătorilor inerente și este în concordanță
cu rezultatele lui Melino și Turnbull (1990) și Day și Lewis (1992). Dacă piața este eficientă,
rezultatele noastre sugerează că ipotezele fundamentale ale modelului nu sunt suficiente pentru a
ține cont de proprietățile datelor. În special, modelele de echilibru ale prețurilor opțiunilor care
nu presupun indiferența investitorului față de riscul de volatilitate par a fi necesare pentru a
concilia teoria și datele. Datele indică faptul că prima de piață pentru riscul de variație variază în
timp; este o funcție descrescătoare a nivelului varianței stocului. Rezultatele referitoare la natura
primei de risc sunt uniforme (și izbitor de similare) în cele 10 stocuri utilizate în analiza noastră.

Deși modelul de tarifare a opțiunilor este respins ca mecanism de piață determinant al prețurilor,
filtrarea datelor cu modelul simplu conține informații utile care nu sunt incluse în procesul istoric
al prețului stocului de bază pentru prognozarea variației stocului într-o Timp de 180 până la 90
de zile calendaristice. Acest rezultat are implicații normative pentru normele optime de prognoză
a varianței, chiar și în absența modelului de "corectare" a prețului opțiunii de echilibru capabil să
explice datele.