200311-JumpEcon-NielsenShephard-AarhusOxford (1) .En - Es PDF

Econometría de la prueba para los saltos en la economía fi nanciera
utilizando la variación en doble nivel
Ole E. Barndorff-Nielsen
El Centro de Física Matemática y estocástico (MaPhySto), Universidad de Aarhus, Ny
Munkegade, DK-8000 Aarhus C, Dinamarca
oebn@imf.au.dk
Neil Shephard
Nu FFI de campo College, Universidad de Oxford, Oxford OX1 1NF, Reino Unido
neil.shephard@nuf.ox.ac.uk
19 de de noviembre de de 2003
Resumen
En este documento se proporciona una teoría de la distribución asintótica para algunas pruebas no paramétricas de la hipótesis de que
los precios de activos tienen trayectorias muestrales continuos. Se estudia el comportamiento de las pruebas utilizando datos simulados y ver
que ciertas versiones de las pruebas tienen buena fi comportamiento muestra noche. También se aplican las pruebas a los datos del tipo de
cambio y demostrar que la hipótesis nula de un circuito de muestra continua es frecuentemente rechazada. La mayoría de los saltos identifican
las estadísticas están asociados con anuncios macroeconómicos gubernamentales.
palabras clave: variación en doble nivel; proceso de salto; variación cuadrática; varianza realizada; Semimartingales; volatilidad
estocástica.
1. Introducción
En este artículo vamos a medir la contribución de saltos a la variación de los precios de los activos y la forma
pruebas sólidas para la presencia de saltos del día actual en los mercados financieros. Siendo capaz de
distinquish entre saltos y movimientos de los precios del circuito de muestra continua es importante, ya que tiene
implicaciones para la gestión de riesgos y la asignación de activos. Una corriente de los últimos papeles en financiera
econometría ha abordado esta cuestión utilizando datos de retorno de baja frecuencia (por ejemplo, el paramétrico
modelos de Eraker, Johannes, y Polson (2003), Andersen, Benzoni, y Lund (2002), Chernov,
Gallant, Ghysels, y Tauchen (2003) y el de Markov, el análisis no paramétrico de Ait-Sahalia
(2002), Johannes (2003) y Bandi y Nguyen (2003)) y datos de las opciones (por ejemplo, Bates (1996),
Carr y Wu (2003) y la revisión por García, Ghysels, y Renault (2003)). nuestro enfoque
será no paramétrico y explotar los datos de alta frecuencia. resultados de Monte Carlo sugieren que
funciona bien cuando se basan en tamaños de muestra empíricamente pertinentes. Por otra parte, el trabajo empírico
nos lleva a la conclusión de que los saltos son muy comunes, lo que sugiere que la gran y muy elegante
1
literatura sobre el uso de trayecto de la muestra continua procesos construidos de movimiento browniano puede ser
basado en una suposición fi tting enfermo.
Tradicionalmente, en la teoría de la economía financieros se mide la variación de los precios de los activos
examinado sumas de productos exteriores de los rendimientos calculados en períodos de tiempo muy pequeños. los
matemáticas de esto se basa en el proceso de variación cuadrática (por ejemplo Chamberlain (1988) y
Volver (1991)). La teoría de valoración de activos vincula la dinámica de los incrementos de variación cuadrática para
los incrementos de la prima de riesgo. El reciente trabajo econométrico sobre este tema, la estimación
variación cuadrática utilizando rendimientos discretos, bajo el título general de variabilidad cuadrático dado cuenta
ación, volatilidad realizada y las variaciones realizadas se discutió en independiente y concurrente
trabajo por Andersen y Bollerslev (1998a), Barndor FF- Nielsen y Shephard (2001) y Comte
y Renault (1998). Fue desarrollado más adelante en el contexto de la metodología de la previsión de
Andersen, Bollerslev, Diebold, y Labys (2001), mientras que una teoría del límite central para variabilidad dado cuenta
ANCES fue desarrollado por Barndor FF-Nielsen y Shephard (2002). generalizaciones multivariante para
covariación realizado se discuten, por ejemplo, Barndor FF- Nielsen y Shephard (2004a) y
Andersen, Bollerslev, Diebold y Labys (2003). Ver Andersen, Bollerslev, y Diebold (2004)
para una encuesta incisiva de esta zona y referencias a trabajos relacionados.
En un artículo reciente Barndor FF- Nielsen y Shephard (2004c) introducen una generalización parcial
del proceso de variación cuadrática llamado la variación en doble nivel de proceso (BPV). mostraron
que en algunos casos relevantes para la economía financiera BPV puede ser utilizado, en teoría, para dividir el
componentes individuales de variación cuadrática en que, debido a la parte continua de precios y
que debido a los saltos. A su vez el proceso de variación en doble nivel se puede estimar consistentemente usando
una discretización igualmente espaciados de los datos financieros. Este estimador se llama el doble nivel dado cuenta
proceso de variación.
En este trabajo se estudia la rencia di ff o la relación de BPV realizado y variabilidad cuadrática dado cuenta
ación. Mostramos que podemos utilizar estas estadísticas para construir pruebas no paramétricas para la presencia
de saltos. Se deriva la teoría de la distribución asintótica de las pruebas bajo sorprendentemente débil
condiciones. Esta es la principal contribución del artículo. También vamos a ilustrar las pruebas de salto
usando ambas simulaciones y datos de tipo de cambio. Nos relacionamos algunos de los saltos para macroeconómica
anuncios por parte de las agencias gubernamentales.
Un subproducto de nuestra investigación es un apéndice que registra una prueba de la consistencia de
dado cuenta de BPV en condiciones sustancialmente más débiles que los utilizados por Barndor FF- Nielsen y
Shephard (2004c) y una distribución de junta limitadora para BPV dado cuenta y el correspondiente
dado cuenta de proceso de variación cuadrática. Este último resultado demuestra la conclusión esperada
que se dio cuenta de BPV es ligeramente menor fi ciente e que la variación cuadrática realizado como un estimador de
2
variación cuadrática en el caso en que los precios tienen una trayectoria continua de muestras.
En la siguiente sección vamos a establecer nuestra notación y recordar las de fi niciones de segundo grado
variación y BPV. En la sección 3 daremos el teorema principal del trabajo, que es el
distribución asintótica de las pruebas propuestas. En la sección 4 vamos a extender el análisis para cubrir
el caso de una serie temporal de estadísticas diarias para las pruebas de saltos. En la Sección 5 se estudia cómo la
pruebas de salto se comportan de estudios de simulación, mientras que en la sección 6 se aplica la teoría a dos de intercambio
series de tipos. En la sección 7 se discuten diversos temas adicionales, mientras que la sección 8 concluye. los
pruebas de los principales resultados en el papel se dan en el Apéndice.
2 Definiciones y trabajo previo
2.1 Notación
Que el registro de los precios de un activo puede escribir como y * ( t) para t ≥ 0. Aquí t representa tiempo continuo.
Extensiones para hacer frente al caso multivariante se discuten en la Sección 7. Asumimos y *
es un semimartingale ( SM), lo que significa que se puede descomponer como y * = α * + metro *, dónde α *
es un proceso con variación infinita ( FV) y caminos metro * es un martingala local ( METRO loc). Por un
discusión accesible de los aspectos probabilísticos de este ver Protter (1990), mientras que su atracción a partir
un punto de vista económico es discutido por Volver (1991). A menudo nos limitaremos diversas clases de
los procesos a los que tienen trayectorias de la muestra continuas o puramente discontinuo. Nos genéricamente designan
esto con superíndices do y re respectivamente, por ejemplo, METRO cloc representa la clase de local ininterrumpida
martingalas, mientras metro * do denota la componente continua de metro *.
2,2 variación cuadrática
Para todos y * ∈ SM la variación cuadrática ( QV proceso) puede ser definida como
Σ
METRO - 1
[ y *] ( t) = pag - lim { y * ( t j + 1) - y * ( t j)} 2, (1)

METRO → ∞
j=0
(Por ejemplo Jacod y Shiryaev (1987, p. 55)) para cualquier secuencia de particiones t 0 = 0 < t 1 < ... < t M = t
con sup j { t j + 1 - t j} → 0 para METRO → ∞. Es bien sabido que
[ y *] ( t) = [m * do]( t) + Σ Δ y * ( s) 2
0≤s≤t
= [ metro * do]( t) + [Y * re]( t), (2)
donde Δ y * ( t) = y * ( t) - y * ( t -) son los saltos en el proceso. (2) significa que el QV de y *
agrega los QV de metro * do y la QV de y * re. Esto nos dice que si podíamos desagregar QV
dentro [ metro * do] y [ y * re] entonces podemos probar para los saltos preguntando si [ y *] = [ metro * do]? Esto será en el
núcleo de nuestro enfoque de las pruebas de saltos.
3
Nuestro análisis econométrico de QV se basará en una versión discretizada de y * basado en intervalos
de tiempo de longitud δ> 0. El proceso resultante es
y δ* ( t) = y * ( δ ⌊ t! - 1 ⌋), t ≥ 0, (3)
recordando que segundo X do es la parte entera de X. Esto nos permite construir δ- devoluciones
y j = y * ( jδ) - y * (( j - 1) δ) , j = 1, 2, ..., segundo t / δ c.
los variación cuadrática dado cuenta proceso es
segundo t / δ do
Σ
[ yδ]* ( t) = y j,2
j=1
la QV del proceso discretizado. Es evidente que la teoría significa que QV
[ yδ]* ( t) pag → [ y *] ( t)
como δ ↓ 0. Los incrementos diarios del proceso QV realizado, usando ~ para denotar el período de una
día, se puede escribir como [ y * δ] i son [ y* δ] (~ yo) - [ y * δ] (~ ( yo - 1)). Se llaman las variaciones realizadas en
economía financieros, como hemos discutido brevemente en la primera sección, y jugará un papel significativo fi
en la Sección 4 en adelante en este documento. Sus raíces cuadradas son llamadas realizadas volatilidades.
2,3 variación Bipower
El proceso de variación cuadrática siempre existe cuando y * ∈ SM. Este no es necesariamente el caso
Para el variación en doble nivel ( BPV) proceso. Que se define por r ≥ 0 y s ≥ 0 cuando
segundo t / δ c- 1
Σ
{ y *} [ r, s] ( t) = pag - lim δ 1 - ( r + s) / 2 | y j | r | y j + 1 | s,
δ↓0
j=1
cuando existe. En este trabajo nos concentraremos exclusivamente en el r = s = 1 caso de que esto permitirá
Nos derivar teoremas de límites bajo los supuestos más débiles. En esa situación tenemos que
segundo t / δ c- 1
Σ
{ y *} [ 1,1] ( t) = pag - lim | yj|| yj+1|.
δ↓0
j=1
La existencia de este límite se puede establecer cuando log-precios obedecen al siguiente proceso.
De fi nición 1 y * es un miembro de la volatilidad estocástica más actividad finito salto semimartingale
( SVJSM) clase si
∫t Nuevo Testamento)
Σ
y * ( t) = α * ( t) + σ (u) re w (u) + do j, (4)
0
j=1
4
dónde α * ∈ FV do, el proceso de volatilidad punto σ es c` adl` AG y w es un movimiento browniano estándar.
También definimos la varianza lugar como σ 2, y asumir que (para todos t < ∞) ∫ t 0σ2( u) re u < ∞.
El proceso de recuento sencillo norte tiene (para todos t < ∞) N (t) < ∞ y el do j no son cero aleatorio
variables. Cuando N = 0 escribimos la clase como SVSM do. Por otro lado, si α * = 0 nosotros escribimos
y * ∈ SVJ. Si ambos N = α * = 0 entonces y * ∈ SV.
Una característica clave bien conocida de la SVJSM clase del modelo es que
Σ
[ y *] ( t) = σ 2 ( u) re u + do 2 j.
0
j=1
Barndor FF- Nielsen y Shephard (2004c) mostraron que si y * ∈ SVJ y σ es independiente de
w ( una suposición sin apalancamiento, sobre el que volveremos en la Sección 7.1), entonces
∫t
{ y *} [ 1,1] ( t) = μ 21 σ 2 ( u) re u,
0
dónde
( 1 2)
2
μ1= E | u | = √ 2 / Γ = √ 2 / √ π ' 0.79788 (5)
y u ~ NORTE( 0, 1). Por lo tanto μ - 2 1{ y *} [ 1,1] y QV son los mismos en el SV caso, pero di ff er cuando hay
son saltos. Este resultado es bastante robusto, ya que no depende de ningún otro suposiciones sobre la
estructura de NORTE, la distribución de los saltos o la relación entre el proceso y el salto
el componente SV. Además, claramente, { y *} [ 1,1] ( t) puede estimarse consistentemente por el dio cuenta
BPV proceso
segundo t / δ c- 1
Σ
{ y *δ} [ 1,1] ( t) = | yj|| yj+1|,
j=1
como δ ↓ 0. Uno esperaría que estos resultados en BPV seguir manteniendo cuando extendemos la
análisis para permitir α * 6 = 0. Esta conjetura se demostrará en la sección siguiente.
Barndor FF- Nielsen y Shephard (2004c) señalan que
Nuevo Testamento)
Σ [
[ y *] ( t) - μ - 2 1{ y *} [ 1,1] ( t) = do 2 j = y * re] ( t).
j=1
Esto se puede estimar consistentemente
[ yδ]* ( t) - μ - 2 1{ y* δ} [ 1,1] ( t).
Por lo tanto, en teoría, el proceso de BPV dado cuenta puede ser utilizado como un dispositivo para estimar consistentemente
los componentes continuos y discontinuos de QV o, si aumentada con el apropiado
teoría de la distribución asintótica, como base para probar la hipótesis de que los precios tienen continua
trayectorias de la muestra.
5
El único otro trabajo que sabemos que trata de dividir QV en que debido a la continua y
componentes salto es Mancini (2003a) y Mancini (2003b). Lo hace a través de la introducción de
un umbral de salto cuyo valor absoluto tiende a cero cuando el número de observaciones dentro de cada día
va al infinito. Siguiendo Barndor FF-Nielsen y Shephard (2004c), Woerner (2003) ha estudiado
la robustez de variación de potencia dado cuenta δ 1 - r / 2 Σ segundo t / δ c- 1 j=1

| y j | r a un número de fi nidas de saltos en
períodos de tiempo finitos que muestran que la propiedad robustez de variación de potencia dado cuenta pasa por
en ese caso. Un documento relacionado es Ait-Sahalia (2004), que muestra que la máxima probabilidad
estimación puede separar un componente de di ff usive homoscedásticos desde una perspectiva puramente discontinuo
en la actividad infinita componente L'evy de precios. Fuera del marco de probabilidad, el documento también
estudia las combinaciones óptimas de funciones momento para el método generalizado de momentos
estimación de los derrames ff salto-di homocedásticos.
3 Una teoría para la prueba de saltos
3.1 pruebas inviable
En esta sección damos la contribución principal del trabajo, el Teorema 1. Se da la asintótica
distribución para una salto lineal estadística, SOL, Residencia en
μ - 2 1 { y *δ} [ 1,1] ( t) - [ y * δ] ( t)
y una relación de salto estadística, H, Residencia en 1
μ - 2 1 { y *δ} [ 1,1] ( t)
.
[ yδ]* ( t)
Sus distribuciones, bajo la hipótesis nula de y * ∈ SVSM do, se verá que depender de lo desconocido
quarticity integrada ∫ t 0σ4( u) re u y así diremos los resultados del teorema son estadísticamente
inviable. Vamos a superar este problema en la siguiente subsección.
teorema 1 Dejar y * ∈ SVSM do y deja t ser un fijada, el tiempo arbitrario. Supongamos la siguiente
condiciones se satisfacen:
(una) Ese
∫ δj
δ-1 σ 2 ( u) re u
δ (j - 1)
está acotada lejos de 0 y el infinito, de manera uniforme en j y δ.
(segundo) El proceso media α * satis es fi, (PathWise) como δ ↓ 0,
δ - 1 máx (6)
1 ≤ j ≤b t / δ c | α * ( jδ) - α * (( j - 1) δ) | = o pag( 1).
1 En correspondencia privada Xin Huang me ha informado de que, tras Barndor FF-Nielsen y Shephard (2004c) y George Huang Tauchen han utilizado de
forma independiente y simultánea simulaciones para estudiar el comportamiento de este tipo de relación, a pesar de que no proporcionan la teoría asintótica
correspondiente.
6
(do) El proceso conjunto ( α *, σ) es independiente del movimiento browniano w.
Recordemos la definición μ 1 = √ 2 / √ π en (5) y dejar
θ = (π 2 / 4) + π - 5 ' 0,6090. (7)
Entonces como δ ↓ 0
)
δ - 1/2 ( μ - 2 1 { y *δ} [ 1,1] ( t) - [ y * δ] ( t) L
G= √∫ t → N ( 0, θ) , (8)
σ 4 ( u) re u
0
y ( )
μ - 2 1 { y *δ} [ 1,1] ( t)
δ - 1/2 -1
[ yδ]* ( t)
L
H= √√√√√ ∫ t → N ( 0, θ) . (9)
0σ4( u) re u
{∫ t }2
0σ2( u) re u
Además, si y * ∈ SVJSM do y ( C.A) mantener, a continuación,
∫t
{ y *} [ 1,1] ( t) = μ 21 σ 2 ( u) re u. (10)
0
Observación 1 ( i) Estado ( una) en el Teorema 1 esencialmente significa que, en cualquier intervalo acotado,
σ 2 en sí está acotado lejos de 0 y el infinito. Este es el caso, por ejemplo, por la plaza
proceso de raíz (debido a que tiene un fl re eja barrera en cero) y la volatilidad Ornstein-Uhlenbeck
procesos considerados en Barndor FF- Nielsen y Shephard (2001). Más generalmente ( una) no
descartar saltos, refleja ff e-diurnos, la memoria a largo o roturas en el proceso de la volatilidad.
(Ii) Resultados (10) es una generalización de Barndor FF- Nielsen y Shephard (2004c) que mostró
este resultado en el caso en α * = 0.
(Iii) Se desprende de la demostración del Teorema 1, que podemos sustituir en la cuenta de BPV el subíndice
j + 1 con + Q j dónde q es cualquier número entero positivo noche pero fi.
(Iv) Estado ( do) descarta ECTS ff apalancamiento e (por ejemplo, Nelson (1991)) y es una desafortunada
limitación del resultado.
(V) Resultado (10) significa que bajo la hipótesis alternativa de saltos
Testamento)
Σ
μ - 2 1 { y *δ} [ 1,1] ( t) - [ y * δ] ( t) pag → - Nuevo do 2 j ≤ 0
j=1
y
Σ Nuevo Testamento)
μ - 2 1 { y *δ} [ 1,1] ( t) j = 1 do 2 j
- 1 pag →- ∫t ≤ 0.
[ yδ]* ( t)
j = 1 do 2 j
0 σ 2 ( u) re u + Σ Nuevo Testamento)
Esto implica que puede utilizar el lineal y pruebas de coeficiente será consistente.
7
(Vi) A biproducto de la demostración del Teorema 1 es Teorema 3, dada en el apéndice, que es
una teoría articulación central del límite para los procesos de BPV y QV realizadas a escala. Esto se prueba bajo la
supuesto de que y * ∈ SVSM do y muestra que, por supuesto, tanto la estimación ∫ t 0σ2( u) re u con
QV dado cuenta de que tienen una varianza asintótica un poco más pequeño.
3.2 Pruebas factibles
Para construir pruebas de salto lineales y de relación computables tenemos que ser capaz de estimar la
quarticity integrada ∫ t 0σ4( u) re u bajo la hipótesis nula de y * ∈ SVSM do. Sin embargo, con el fin
para asegurar la prueba tiene poder bajo la alternativa que es preferible tener un estimador que es
también coherente bajo la alternativa SVJSM. Esto es sencillo. Barndor FF- Nielsen y
Shephard (2004c) la variación en doble nivel generalizado a la variación Multipower, un caso especial de las cuales
es el estimador robusto llama variación quadpower dado cuenta
segundo t / δ c- 3 ∫t
Σ
{ y *δ} [ 1,1,1,1] ( t) = δ - 1 | y j | | y j + 1 | | y j + 2 | | y j + 3 | pag → μ 41 σ 4 ( u) re u.
0
j=1
Después de los primeros borradores del trabajo presentado en este trabajo nuestra teoría del límite central para el lineal
Estadística de salto ha sido utilizado por Huang y Tauchen (2003) y Andersen, Bollerslev, y
Diebold (2003). Estaban a favor de usar la variación Tripower dado cuenta robusta
Σ
{ y *δ} [ 4 / 3,4 / 3,4 / 3] ( t) = δ - 1 | y j | 4/3 | y j + 1 | 4/3 | y j + 2 | 4/3 pag → μ 34/3 σ 4 ( u) re u,
0
j=1
dónde μ r = E | u | r y u ~ NORTE( 0, 1). Ambos de estos estimadores son consistentes bajo la SVJSM
hipótesis. A partir de ahora nos centraremos únicamente en el caso quadpower.
La discusión anterior nos permite para definir la posible prueba de salto lineal estadística, ̂ SOL, que tiene
la distribución asintótica
)
δ - 1/2 ( μ - 2 1 { y *δ} [ 1,1] ( t) - [ y * δ] ( t) L
̂ =
G √ → N ( 0, θ) , (11)
μ - 4 1 { y *δ} [ 1,1,1,1] ( t)
donde nos rechazar la hipótesis nula de un circuito de muestra continua si (11) es significativamente negativo. En
Por otro lado el prueba de salto relación estadística, ̂ H, define como 2

( )
δ - 1/2 μ - 2 1 { y *δ} [ 1,1] ( t) L
Ĥ = √ { y* [ y * ] ( t) -1 → N ( 0, θ) , (12)
/ {{ y * }2
δ
δ} [ 1,1,1,1] ( t) δ} [ 1,1] ( t)
que es otra vez rechaza la hipótesis nula si esta estadística es significativamente negativo.
( )
2 No deja de ser tentador mirar a la versión log-lineal de esta estadística de prueba, el estudio de registro
μ -12{ y * δ} [ 1,1]
yo
)
menos log ([ y * δ] i . Su asintótica sigue inmediatamente a partir de (12) a través del método delta. Las simulaciones sugieren que
esto no mejora el rendimiento de la muestra finita de la prueba y lo que no lo discutirá más adelante en este documento.
8
Una característica interesante de la prueba de razón de salto es que { y * δ} [ 1,1] ( t) / [y * δ] ( t) es asintóticamente
equivalente a
segundo t / δ c- 1
Σ ∫t
| y j || y j + 1 |
σ 2 ( u) re u
j=1 pag
0
̂ ρ 1 ( t) = √√√√ segundo t / δ c- 1 → μ 21 ,
Σ
segundo t / δ c- 1
Σ Σ
y j2 y j2+ 1 σ 2 ( u) re u + do 2 j
0
j=1 j=1 j=1
debajo SVJSM. ̂ ρ 1 ( t) una correlación como medida entre | y j | y | y j + 1 |. Converge a
μ 21 ' 0.6366 bajo SVSM do. Las estimaciones inferiores μ 21 proporcionar pruebas de saltos. su asintótica
distribución bajo la hipótesis nula sigue trivialmente a partir de (12).
4 series de tiempo de las cantidades realizadas
Nos comentó en la introducción de este documento que ha sido considerable atención recientemente
dado a discretizaciones diarias del proceso QV dado cuenta
[ yδ]* i = [ y * δ] (~ yo) - [ y * δ] (~ ( yo - 1)) yo, i = 1, 2, ..., T.
Esto produce una serie temporal de las variaciones realizadas diariamente. Aquí se discuten brevemente los correspondientes
Resultados para el proceso de BPV realizado y luego discutir la teoría asintótica para una serie temporal de
tales secuencias. Estos resultados siguen directa a partir de nuestros resultados teóricos anteriores.
Claramente podemos de fi nir, para un intervalo de tiempo fi jo ~ > 0, lo que nos referiremos como un día de
concreción, una secuencia de T diario variaciones en doble nivel realizadas
{ y *δ} [ 1,1]
yo
= { y* δ} [ 1,1] (~ yo) - { y * δ} [ 1,1] (~ ( yo - 1)), i = 1, 2, ..., T,
segundo t / δ c- 1
Σ
= | y j, i | | y j + 1, i | ,
j=1
donde suponemos δ satis fi ca δ segundo t / δ c = t Para facilitar la exposición y
y j, i = y * ( δj + ~ (i - 1)) - y * ( δ (j - 1) + ~ ( yo - 1)).
Con el fin de desarrollar una teoría viable límite será conveniente introducir una secuencia de diario
variaciones quadpower realizadas
{ y *δ} [ 1,1,1,1]
yo
= { y* δ} [ 1,1,1,1] (~ yo) - { y * δ} [ 1,1,1,1] (~ ( yo - 1)), i = 1, 2, ..., T
segundo t / δ c- 3
Σ
= δ-1 | y j, i | | y j + 1, i | | y j + 2, i | | y j + 3, i | .
j=1
9
Las secuencias anteriores de cantidades realizadas sugieren construcción de una secuencia de no solapamiento
estadísticas de prueba de salto diaria no factibles y viables
)
δ - 1/2 ( μ - 2 1 { y *δ} [ 1,1]
yo - [ y * δ] i
sol ? I = √∫ ~ yo , (13)
σ 4 ( u) re u
~ ( yo - 1)
( )
δ - 1/2 μ - 2 1 { y *δ} [ 1,1]
H?I= √√√√∫ ~ yo [ y * ] yo -1 , (14)
/ {∫ ~ yo }2
δ yo
σ 4 ( u) re u σ 2 ( u) re u
~ ( yo - 1) ~ ( yo - 1)
)
δ - 1/2 ( μ - 2 1 { y *δ} [ 1,1]
yo - [ y * δ] i
̂ ?I=
sol √ , (15)
μ - 4 1 { y *δ} [ 1,1,1,1]
yo
( )
δ - 1/2 μ - 2 1 { y *δ} [ 1,1]
Ĥ ? I = √ { y* [ y * ] yo -1 . (dieciséis)
/ {{ y * }2
δ yo
δ} [ 1,1,1,1]
yo δ} [ 1,1]
yo
Mediante la inspección de la demostración del Teorema 1 es claro que así como cada una de estas pruebas individuales
está convergiendo hacia N ( 0, θ) como δ ↓ 0, convergen como una secuencia en el tiempo de forma conjunta a un multivariante
distribución normal. En particular, centrándose únicamente en las versiones posibles de las pruebas, de fi ne una
secuencia de pruebas basado en T días consecutivos
( ) '
( ) ',
̂ δ=
sol sol ' δ 1, ..., ̂ sol ' ? T de ŷ Hδ= H ' δ 1, ..., ̂ H ' ? T de
como una colección de T días de pruebas separadas, entonces bajo la hipótesis nula, como δ ↓ 0 por lo
L L
̂ δ
sol → N ( 0, theta i T) y ̂ Hδ → N ( 0, theta i T) .
Estudio 5 Simulación
5.1 Simulación de diseño
En esta sección se documentan algunos experimentos de Monte Carlo que evalúan la muestra finita
el rendimiento de nuestra teoría asintótica para los procesos de QV y BPV realizadas. A lo largo trabajamos
con un SVJSM modelo y ~ = 1. En particular, suponemos que
Σ
y * ( t) = σ (u) re w (u) + do j.
0
j=1
A lo largo de nuestras simulaciones los procesos componentes σ, w, N y do se supone que son inde-
pendiente. Antes de empezar debemos mencionar que en el trabajo independiente y simultánea Huang
y Tauchen (2003) también han estudiado el comportamiento de muestra finita de nuestra teoría del límite central
10
usando una extensa experimento de simulación. Su trabajo de Monte Carlo se basa en el em-
pírica resultados encontrados en Andersen, Benzoni, y Lund (2002) y Chernov, Gallant, Ghysels, y
Tauchen (2003). Estudiaron el cacia e ff del lineal factible y teoría basada en el registro basados
en quadpower dado cuenta (que también vamos a hacer aquí) y la variación Tripower (que no lo hará
utilizar). Sus conclusiones coinciden en gran medida con los que alcancen en esta Sección. Deberíamos
mencionan que sus estudios permiten a los procesos exhiben refleja el apalancamiento e ff, que nuestra teoría hace
No cubrimos y descartamos en nuestras simulaciones. simulación de resultados previos en el contexto de
las variaciones realizadas sugieren apalancamiento e ECTS ff hacen poco rencia di ff a la exactitud de la muestra fi nito de
objetos realizados variación, sin embargo, la prueba de este resultado sigue siendo ilusoria.
Nuestro modelo para σ se deriva de un trabajo empírico reportado en Barndor FF- Nielsen y
Shephard (2002), que utiliza las variaciones para encajar la varianza de la tasa de punto de DM / Dólar de cuenta
1986-1996 por la suma de dos procesos no correlacionadas
σ 2 = σ 21 + σ 22.
Sus resultados son compatibles con el uso de procesos para el CIR σ 21 y σ 22 procesos. En particular
vamos a escribir esto, porque s = 1, 2, como las soluciones a
{ σ 2 s ( t) - ξ s } re + Ω t s σ s ( t) re segundo s ( λ s t),
re σ 2 s ( t) = - λ s ξ s ≥ ω 2 s / 2, (17)
dónde b = (b 1, segundo 2) ' es un movimiento browniano estándar vector, independiente de w. El procedimiento (17)
tiene una distribución marginal gamma
σ 2 s ( t) ~ Georgia( 2 ω s- 2ξ s, 2 ω - 2 s) = Ga (ν s, una s) , ν s ≥ 1,
con una media de ν s / una s y una varianza de ν s / una 2 s. Los parametros ω s, λ s y ξ s fueron calibrados por
Barndor FF-Nielsen y Shephard (2002) de la siguiente manera. Ajuste pag 1 + pag 2 = 1, estimaron
MI( σ 2 s) = pag s 0.509, Var ( σ 2 s) = pag s 0,461, s = 1, 2,
con
pag 1 = 0,218, pag 2 = 0,782, λ 1 = 0,0429, y λ 2 = 3,74,
Lo que significa que la primera, componente menor del proceso de varianza está volviendo lentamente con una media
vida de alrededor de 16 días mientras que el segundo tiene una vida media de alrededor de 4 horas. Bollerslev y Zhou
(2002) han encontrado resultados similares utilizando un lapso corto de este tipo de datos del tipo de cambio.
Cuando añadimos saltos a los precios tomaremos norte como un proceso de Poisson fi ed estratificación de modo que haya
son siempre K saltos en cada unidad de tiempo. especificamos do j iid ~ NORTE( 0, σ 2 do), por lo que el proceso es un salto
11
proceso de Poisson estratificación compuesto fi ed. Las contribuciones de la variación a largo plazo en el diario de los precios
del proceso de salto y el componente continuos se
tKσ 2 do y t 0,509
respectivamente. En nuestros experimentos vamos a variar K y σ 2 do, lo que nos permite ver el impacto de
la frecuencia de los saltos y de su tamaño en el comportamiento del proceso de variación en doble nivel dado cuenta.
Para iniciar o FF vamos a fi x K = 2 y σ 2 c = 0.2 × 0,509, lo que significa que el proceso de salto
cuenta de 33% de la variación del proceso. Es evidente que esto es una alta proporción. Más adelante se
estudiar los casos en que K = 1 y σ 2 c = 0.1 × 0,509 y 0,05 × 0,509.
A lo largo de nuestros cálculos queremos indexar los resultados por
M = 1 / δ.
aquí METRO denota el número de observaciones de alta frecuencia por unidad de tiempo. Como METRO aumenta
la y * δ proceso se vuelve más cerca de la y * proceso.
5.2 La teoría límite Inviable
5.2.1 distribución Null
Nuestros experimentos de Monte Carlo evaluarán el comportamiento de muestra finita del salto inviable
pruebas dadas en (13), (14) y sus correspondientes versiones factibles (15), (16). Comenzamos con el
la teoría de límite inviable para (13) y (14), mirando a sus distribuciones nulas. A lo largo de que fi x
la duración de la prueba de salto a ~ = 1 y el uso de 5, 000 días simulado.
El lado izquierdo de la Figura 1 muestra los resultados de los primeros 300 días en la muestra. los
cruces representan μ - 2 y* yo - [ y*
1{ δ} [ 1,1] δ] i, mientras que el 95% no factible de un solo lado valores críticos (más o menos
- 1,6 veces los errores estándar asintóticos en (13)) de las estadísticas se dan por la línea continua.
Al bajar el gráfico METRO aumenta y así, como la hipótesis nula es verdadera, la magnitud
de μ - 12 { y * yo -
δ} [ 1,1] [ y* δ] i y los correspondientes valores críticos tienden a caer hacia cero. la mayor parte
parte importante de estos gráficos es que los valores críticos de las pruebas cambian dramáticamente a través
tiempo, reflectante del agrupamiento de la volatilidad en los datos.
La parte media de la Figura 1 se repite este análisis, pero ahora usando la prueba de razón de salto. Otra vez
la magnitud de μ - 2 1{ y* δ} [ 1,1]
yo
/ [Y *δ] i - 1 tiende a caer como METRO aumenta. Los valores críticos no factibles
de esta prueba casi no cambian con el tiempo, lo que refleja la escala natural del denominador de la
prueba de salto relación. La parte de la mano derecha de la Figura 1 muestra los gráficos QQ de las dos pruebas t. Sobre el
y- eje son los valores clasificados de las pruebas t simulados, mientras que en el X- eje son los correspondientes
valores esperados bajo muestreo de Gauss. Para valores muy pequeños de METRO la prueba de salto lineal tiene
12
0.5 M = prueba de salto 12. Linear prueba de salto 0.5 Relación parcela 5,0 QQ
t t lineal prueba de
razón de prueba de
2.5 45 grados
0.0 0.0
0.0
-0.5 95% de un solo lado valor crítico -0.5 -2.5
0 100 200 300 0 100 200 300 -2.5 0.0 2.5

M = 72.
0.2 0.25 2.5 razón de prueba de
45 grados
0.0 0.00 0.0
-0.2 -0.25 -2.5
0 100 200 300 0 100 200 300 -2.5 0.0 2.5

M = 288.
45 grados
0.00 0.0
0.0
-0.05 -0.1
-2.5
0 100 200 300 0 100 200 300 -2.5 0.0 2.5

M = 4 × 288
45 grados
0.00 0.00 0.0
-0.05 -0.05 -2.5
0 100 200 300 0 100 200 300 -2.5 0.0 2.5
Figura 1: Simulación de la distribución nula de la teoría límite no factible para el lineal (lado izquierdo) y Rato (centro) pruebas
de salto para una variedad de valores de δ - 1 = METRO. lado derecho da los gráficos QQ de las estadísticas t. Código: saltar
daily.ox RV.
demasiada masa en su extremo de cola de la derecha. En general ambas pruebas tienen muy buenos gráficos QQ para
valores moderados de METRO.
En la parte superior de la Tabla 1 se muestran los sesgos y desviaciones estándar de (13), (14). los
desviaciones estándar estimadas están cerca de uno y un lado 95% las tasas de cobertura son bastante
precisa, incluso para pequeños valores de METRO. En general, podemos ver que hay muy poca diferencia
entre estas dos pruebas no factibles.
Como final de verificación en la distribución nula de las pruebas de salto, vamos a repetir el análisis anterior
pero el aumento λ 2, el parámetro de memoria del proceso volatilidad CIR descomposición rápida, por un factor
de cinco. Esto reduce su vida media de hasta 20 minutos. Este caso de una muy corta vida media es
todo un reto como una serie de económetras ver los modelos SV memoria muy cortos como
una buena representación de procesos con saltos. La Tabla 1 muestra los resultados. La prueba lineal tiene una pequeña
sesgo negativo. Esta ff ect cae en forma de METRO se hace muy grande. La prueba de razón se tiene un pequeño negativo
13
configuración estándar comprobación de la fiabilidad λ 2 = 5 × 3.74
prueba lineal prueba de razón prueba lineal prueba de razón
METRO parcialidad sesgo SD Cove SD Cove parcialidad sesgo SD Cove SD Cove

12 - . 032 0,93 . 974 - . 012 0,93 . 941 - . 059 0,90 . 979 - . 039 0,89 . 949
72 - . 017 1,00 . 955 - . 014 0,99 . 943 - . 093 0,97 . 972 - . 097 0,96 . 943
288 - . 010 1,00 . 957 - . 008 1,00 . 945 - . 053 0,99 . 960 - . 053 0,99 . 941
4 × 288 - . 023 0,98 . 956 - . 024 0,98 . 946 - . 042 1,01 . 954 - . 041 1,01 . 942
Tabla 1: comportamiento muestra finita de las pruebas lineales y de razón no factibles. Cove denota la cobertura, nivel diseñado es 0 0,95.
Basado en 5, 000 días separados. Izquierda es la simulación basado en la configuración estándar con λ 2 = 3.74. cambios adecuados λ 2 a 5 × 3.74 para
comprobar la robustez de los componentes en descomposición muy rápidos. Código: saltar daily.ox RV.
sesgo, lo que hace que la prueba a muy poco más de rechazar. Sin embargo, el grado de overrejection es
modesto, pero más importante que antes. Por lo tanto este procedimiento de prueba puede ser cuestionada por
volviendo muy rápido componentes de volatilidad.
5.2.2 Impacto de saltos: la distribución alternativa
Ahora introducimos algunos saltos en el proceso y ver cómo reaccionan las pruebas. El proceso de Poisson
es strati ed fi por lo que hay 1 o 2 saltos por día, mientras que la varianza de los saltos es o bien
5%, 10% o 20% de la expectativa de σ 2.
En el caso inviable los resultados se dan en la Tabla 2. Los resultados son los esperados.
Hay poca rencia di ff en el poder de las pruebas lineales y de razón. A medida que el número de saltos
aumenta, por lo que la tasa de aceptar las cataratas nulo. Lo mismo sucede e ff ect como la varianza de la
saltos caídas. Sin embargo, en el caso extremo en que no hay más que un solo salto al día y el salto
es del 5% de la variabilidad de la componente continua de los precios, se rechaza la hipótesis nula 20%
de las veces cuando M = 288.
Una de las características interesantes de la Tabla 2 es que la probabilidad de aceptar la hipótesis nula es
más o menos similar, si N = 2 y cada salto es 10% de la variación de σ 2 en comparación con el caso
dónde N = 1 y nos fijamos en el ejemplo 20%. Esto se repite cuando nos movemos a la N = 2
y la caja 5% y compararlo con el N = 1 y 10% caso. Esto sugiere que la tasa de rechazo es
fuertemente influenciada por la variabilidad del proceso de salto, no sólo la frecuencia de los saltos o
el tamaño del individuo salta.
5.3 Evaluación del desempeño de la teoría asintótica factible
Cómo hacer estas conclusiones cambian cuando pasamos del límite factible teorías viables (15)
y (16)? La Tabla 3 muestra los resultados para la distribución nula. Se indica que la prueba lineal
estadística está bastante molesto por trasladarse a la versión factible, mientras que la estadística de razón es razonablemente
robusta para valores moderados de METRO. Ambas estadísticas tienen una media negativa, lo que lleva a overrejection
14
NORTE( 1) = 1 NORTE( 1) = 2
20% prueba lineal prueba de razón prueba lineal prueba de razón
M significa SD significa Cubierta Cubierta SD parcialidad SD significa Cubierta Cubierta SD

12 - 0.30 1.56 . 878 - 0.14 1.00 . 907 - 0,51 1,95 . 832 - 0.23 1.03 . 896
72 - 1.45 3.38 . 707 - 0.84 1.58 . 748 - 2,81 4,49 . 526 - 1.47 1.79 . 587
288 - 3.69 6.91 . 530 - 2.21 2.98 . 553 - 7,18 9,26 . 288 - 3.89 3.41 . 313
10%
12 - 0.12 1.15 . 920 - 0.06 0.96 . 929 - 0,19 1,33 . 895 - 0.10 0.98 . 924
72 - 0.61 1.86 . 819 - 0.43 1.26 . 848 - 1,19 2,36 . 700 - 0,78 1.41 . 751
288 - 1.68 3.48 . 668 - 1.22 2.09 . 687 - 3,27 4,58 . 462 - 2.22 2.47 . 490
5%
12 - . 061 1.01 . 938 - . 029 . 940 . 937 - 0,08 1,09 . 926 - 0.04 . 959 . 931
72 - . 253 1.26 . 885 - . 200 1.08 . 907 - 0,48 1,46 . 828 - 0.37 1.15 . 860
288 - . 749 1.90 . 792 - . 612 1.48 . 807 - 1,44 2,38 . 651 - 1.14 1.71 . 682
Tabla 2: caso inviable. E ff ect de saltos en las pruebas lineales y de razón. En la parte derecha se muestra los resultados para
el caso en el que hay 2 saltos por día. En el lado izquierdo, hay un solo salto por día. La varianza de los saltos son 20%, 10% y
5%, respectivamente, de la expectativa del proceso de varianza Σ ( t), con los resultados para el caso 20% dado en la parte
superior de la Tabla. Código: saltar daily.ox RV
de la nula. Incluso cuando M = 288 la prueba lineal rechaza la hipótesis nula alrededor de 8% del tiempo, que es
bastante lejos del valor nominal.
prueba lineal prueba de razón prueba lineal prueba de razón
METRO parcialidad sesgo SD Cove SD Cove parcialidad sesgo SD Cove SD Cove

12 - . 597 2,68 . 813 - . 102 1,41 . 877 - . 637 2,61 . 804 - . 151 1,41 . 865
72 - . 169 1,18 . 891 - . 053 1,07 . 919 - . 257 1,23 . 875 - . 133 1,09 . 906
288 - . 084 1,05 . 918 - . 029 1,02 . 935 - . 132 1,06 . 908 - . 077 1,03 . 926
4 × 288 - . 059 1,00 . 935 - . 035 0,99 . 943 - . 098 1,00 . 932 - . 073 0,99 . 939
Tabla 3: comportamiento muestra finita de las pruebas lineales y de relación factibles. Cove denota la cobertura, nivel diseñado es 0 0,95.
comprobar la robustez de los componentes en descomposición muy rápidos. Código: saltar daily.ox RV
Estos resultados están respaldados por la Figura 2, que muestra un gráfico QQ muy pobre para el lineal
incluso cuando la prueba M = 72. Para valores grandes de METRO los asintótica parece tener algún sustancial
mordedura. La prueba de razón tiene muy buenos gráficos QQ para METRO un 72 o superior. Tabla 3 también muestra que
cuando aumentamos el valor de λ 2, por lo que el segundo componente del proceso de varianza punto es muy
reversión rápida, los resultados no cambian mucho. Una vez más la prueba de razón proporciona una mejor prueba
en términos de su cobertura.
La característica más interesante de la Figura 2 es que los valores críticos para las pruebas de coeficiente de salto son
bastante estable a través del tiempo, lo que refleja la ventaja de que sus errores estándar asintóticos implican
15
M = prueba de salto 12. Linear
prueba de salto 0.5 Relación
95% unilateral valor crítico t t lineal prueba de
0.5 razón de prueba de
45 grados
0.0
0.0 QQ
-0.5 -0.5 parcela -20 -10 0 10
0 100 200 300 0 100 200 300 -2.5 0.0 2.5

M = 72
45 grados
0.0
0.0 0.00
-2.5
-0.2 -0.25 -5.0
0 100 200 300 0 100 200 300 -2.5 0.0 2.5

0.1 M = 288.
0.1 2.5 razón de prueba de
45 grados
0.0 0.0 0.0
-0.1 -2.5
-0.1
0 100 200 300 0 100 200 300 -2.5 0.0 2.5

M = 4 × 288
45 grados
0.00 0.00 0.0
-0.05 -0.05 -2.5
0 100 200 300 0 100 200 300 -2.5 0.0 2.5
Figura 2: Simulación de la distribución nula de la teoría límite factible para las pruebas de salto lineales y Rato para una variedad
de valores de METRO. lado derecho da los gráficos QQ de las estadísticas t.
Código: saltar daily.ox RV.
ratios de auto-normalizadoras
∫ ~ yo
{ y *δ} [ 1,1,1,1]
yo
pag ~ ( yo - 1) σ 4 ( u) re u
{{ y * } [ 1,1] } 2 → {∫ ~ yo }2≥ 1 (18)
~,
δ yo ~ ( yo - 1) σ 2 ( u) re u
de la cuenta de términos. De ahí que no son excesivamente E ff reflejada por los cambios en los patrones de volatilidad entre
dias. Esta característica puede ser explotado muy amablemente a otro grado importante. En muestras pequeñas
el estimador (18) puede caer por debajo de 1 / ~, lo que sugiere que se sustituye la relación de salto estándar
estadística de prueba por el factible prueba de salto ratio ajustado
)
δ - 1/2 μ - 2 1 { y *δ} [ 1,1] L
√ [ y * ] yo -1 → N ( 0, θ) , (19)
[1 / {{ y * } 2] (
δ yo
máx δ} [ 1,1,1,1]
yo δ} [ 1,1]
yo
~, { y *
el cual volvemos a utilizar para rechazar la hipótesis nula de no saltar si observamos grandes valores negativos. Nuestra esperanza
es que, en la práctica, se puede producir un mejor comportamiento de muestra finita. Este tipo de ajuste se
dieciséis
utilizado por Barndor FF- Nielsen y Shephard (2004b) en el contexto de la distribución asintótica
del registro de las variaciones realizadas. Los resultados de la simulación para esta prueba estadística ratio ajustado son
dada en la Tabla 4. Los resultados parecen muy similares a los obtenidos por la teoría factible y espectáculo
muy modestos 95% los errores de cobertura, incluso en el caso en que existe una volatilidad reversión rápida
componente. Este resultado se mantiene incluso cuando METRO es pequeño. Además, en el nivel más extremo 99%
las tasas de cobertura son todavía bastante bien cuando METRO es largo. A partir de ahora, cuando nos referimos a la relación
prueba vamos a implementar esta versión ajustada.
METRO parcialidad Dakota del Sur Cove sesgo (95%) Cove (99%) Dakota del Sur Cove (95%) Cove (99%)
12 - . 017 0.992 . 929 . 980 - . 056 0.992 . 926 . 978
72 - . 033 1,01 . 933 . 983 - . 108 1,03 . 922 . 975
288 - . 025 1,01 . 938 . 985 - . 073 1,02 . 929 . 979
4 × 288 - . 035 0.992 . 944 . 986 - . 073 0,997 . 939 . 984
Tabla 4: comportamiento de muestra finita de la prueba de razón factible ajustado. Cove denota la cobertura, nivel diseñado es 0.95 y 0,99.
comprobar la robustez de los componentes en descomposición muy rápidos. Código: saltar daily.ox RV.
Ahora vamos a pasar a ver cómo son las pruebas e ff reflejada por la presencia de saltos. Tabla 5 repeticiones
el experimento de la subsección anterior que llevó a los resultados dados en la Tabla 2, pero ahora
con las estadísticas razón de salto lineales y ajustadas factibles. Podemos ver que en el salto lineal
Pruebas de que hay muchos cambios sustanciales en comparación con el caso factible, con un gran número de
de rechazo de la hipótesis nula. Sin embargo, estos cambios son causados principalmente por el sustancial
distorsión tamaño bajo la hipótesis nula. Cuando nos fijamos en la relación estadística ajustada salto, que tiene
muy buenas propiedades de cobertura, los resultados son muy similares a la teoría factible para la relación
prueba. Este es un resultado bastante alentador. En general, cuando utilizamos esta estadística podemos ver que nos
tienen muy poca energía cuando METRO es pequeño a menos que haya una gran cantidad de saltos o los saltos son muy
grande. Sin embargo, la gran METRO la realización de la prueba mejora mucho.
6 Las pruebas de saltos empíricamente
6.1 Conjunto de datos
Ahora dirigimos nuestra atención al uso de nuestra prueba de razón de salto ajustado (19) sobre los datos económicos. Nosotros
siga Barndor FF-Nielsen y Shephard (2002) en el uso de la bivariada Dólar Estadounidense / ger-
Hombre marco alemán y el dólar / series de tipos de cambio del yen japonés, que cubre Decenal
periodo del 1 de diciembre de 1986 hasta el 30 de noviembre de 1996. Los registros de cada conjunto de datos original
5 minutos más reciente mediados de cotización que aparezcan en la pantalla de Reuters. Hemos multiplicado por todo
regresa por 100 con el fin de que sean más fáciles de presentar. La base de datos ha sido amablemente suministrada
17
NORTE( 1) = 1 NORTE( 1) = 2
20% prueba lineal prueba de razón ajustado prueba lineal prueba de razón ajustado
M Media SD Media SD Cove Cove parcialidad SD Media SD Cove Cove

12 - 1.05 3.93 . 760 - . 156 1.07 . 894 - 1,31 4,54 . 730 - . 251 1.10 . 881
72 - 1.61 3.53 . 676 - . 891 1.64 . 735 - 2,84 4,33 . 521 - 1.55 1.88 . 573
288 - 3.63 6.60 . 526 - 2.27 3.06 . 546 - 6,76 8,58 . 292 - 4.00 3.55 . 310
10%
12 - 0,772 3,22 . 790 - . 073 1.02 . 916 - . 893 3,41 . 774 - . 110 1.04 . 911
72 - 0,797 2,07 . 781 - . 465 1.30 . 837 - 1,35 2,45 . 673 - . 835 1.46 . 739
288 - 1.73 3.43 . 654 - 1.25 2.14 . 679 - 3,21 4,43 . 457 - 2.29 2.55 . 484
5%
12 - 0,642 2,84 . 802 - . 035 0.99 . 926 - . 723 2,97 . 797 - . 0566 1.01 . 920
72 - 0,423 1,46 . 842 - . 226 1.11 . 895 - . 657 1,62 . 789 - . 405 1.19 . 847
288 - 0,820 1,94 . 776 - . 640 1.52 . 799 - 1,49 2,39 . 646 - 1.18 1.76 . 677
Tabla 5: caso factible. E ff ect de saltos en el lineal y pruebas de coeficiente ajustados. En la parte derecha se muestra los
resultados para el caso en el que hay 2 saltos por día. En el lado izquierdo, hay un solo salto por día. La varianza de los saltos
son 20%, 10% y 5% respectivamente, de la expectativa del proceso de varianza Σ ( t), con los resultados de la 20% caso dado en
la parte superior de la Tabla. Código: saltar daily.ox RV
a nosotros por Olsen y Asociados en Zurich, que documentar su trabajo pionero en esta área en
Dacorogna, Gencay, m Müller, Olsen, y Pictet (2001).
prueba de salto 6,2 ratio ajustado
La Figura 3 representa gráficamente la prueba de razón
μ - 2 1 { y *δ} [ 1,1]
[ y * ] yo ,
δ yo
y su correspondiente valores críticos 99%, calculado bajo la asunción de ningún salto usando
la teoría dada en (19), para cada uno de los primeros 250 días de trabajo en la muestra para M = 12 y
M = 72. Rechazamos la hipótesis nula si la relación es significativamente inferior a uno. Los valores de METRO son bastante
pequeño, que corresponde a 2 horas y 20 minutos rendimientos, respectivamente. Fueron elegidos para tratar
para asegurar que nuestros resultados no fueron demasiado sensibles a los errores de microestructura. resultados para
valores mayores de METRO se informará en un momento. Es importante destacar que los valores críticos no cambian
mucho entre los días Erent di ff. Cuando METRO es muy pequeño, esto se debe principalmente a la utilización de la
función máxima en el cálculo del error estándar de la distribución asintótica.
La Figura 3 muestra un buen montón de rechazos de la hipótesis nula de no hay saltos, aunque los tiempos cuando
los rechazos ocurren cambiar bastante como METRO cambios. Además, la relación media es inferior a uno.
Cuando METRO es 12 el porcentaje de proporciones por debajo de 1 es de 70% y 73%, mientras que cuando METRO aumenta a 72
estos porcentajes se convierten en 71% en ambos casos.
La Tabla 6 presenta los resultados correspondientes para el conjunto de la muestra de 10 años. Esta tabla proporciona
una advertencia de la utilización de un valor demasiado alto de METRO porque muestra la suma de la primera a la quinta serie
coeficientes de correlación Coe FFI de los datos de alta frecuencia. Esto se denota por r .. Vemos que en el
18
1.5 M = 12 dólar / DM
Relación estadística
1,25 Dólar / Yen
Valor crítico
1.00
1.0
0.75
0.50
0.5
0.25
0 50 100 150 200 250 0 50 100 150 200 250

M = 72.
1.25
1.25
1.00
1.00
0.75
0.75
0.50
0.50
0.25
0 50 100 150 200 250 0 50 100 150 200 250
Figura 3: Los datos basados en el primer año de la muestra para el dólar / DM (lado izquierdo) y / Yen (lado derecho) utilizando dólar M
= 12 y M = 72. Una parcela índice muestra la estadística de la relación calculada cada día, que debe estar alrededor de 1 si la hipótesis
nula de no hay saltos es cierto. El ajustado valor crítico asintótica 99% correspondiente también se muestra para cada día. Código: saltar
daily.ox RV.
Dólar / DM serie como se METRO aumenta esta correlación se acumula, probablemente debido a la compra / venta de rebote preguntar
e ECTS ff. Para el momento METRO ha llegado a 288 la correlación sumada había alcanzado casi - 0,1 cual
significa la varianza realizada sobreestima la variabilidad de los precios en un 20%. Por supuesto, esto
e ff ect podrían eliminarse mediante el uso de un nivel adicional de pre fi ltrado antes de analizar los datos. los
situación es peor para la serie Dólar / Yen que tiene una cantidad moderada de correlación negativa
entre la alta frecuencia vuelve incluso cuando METRO es bastante pequeña. Vamos a ignorar estos mercados
microestructura e ECTS ff.
Tabla 6 contiene el valor promedio de μ - 2 1{ y* δ} [ 1,1]

yo
y [ y* δ] i así como la proporción de veces
la nula se rechaza el uso de 95% y 99% pruebas. Se les da para una variedad de valores de METRO y
tanto para los tipos de cambio. Ellos muestran que los resultados son razonablemente estables con respecto a METRO,
aunque el porcentaje debido a la deriva como saltos do METRO cambios.
19
Dólar / DM Dólar / Yen
METRO r. cont QV salto% 5% REJ 1% REJ r. cont QV salto% 5% REJ 1% REJ

12 . 001 . 355 . 452 12.0 . 202 . 090 - . 041 . 328 . 420 12.2 . 201 . 086
48 . 012 . 408 . 467 6.80 . 219 . 114 - . 032 . 409 . 458 5.72 . 209 . 101
72 - . 001 . 437 . 487 5.41 . 225 . 120 - . 032 . 429 . 471 4.68 . 195 . 095
144 - . 056 . 471 . 510 3.91 . 220 . 116 - . 077 . 473 . 506 3.35 . 223 . 107
288 - . 092 . 502 . 531 2.83 . 181 . 092 - . 100 . 512 . 539 2.56 . 187 . 095
Tabla 6: r. indica la suma de los primeros cinco coeficientes de correlación Coe FFI de serie de los datos de alta frecuencia. “Cont”
denota el valor medio de μ - 2
1 { y * δ} [ 1,1]
yo
sobre la muestra. QV da la corres-
pondiente resultado de la variación promedio realizado sobre la muestra. salto% denota la estimación del porcentaje de la
variación cuadrática debido a los saltos en la muestra. 5% REJ muestra la proporción de rechazos en el nivel de 5%, mientras
que 1% indica lo mismo, pero en el nivel de 1%.
La tabla muestra que para la serie dólar / DM la variación de los saltos se estima
contribuir entre alrededor de 3% y 12% de la QV. En muchos días hay suficiente evidencia para
rechazar la hipótesis nula de no saltos, con alrededor de 20 rechazos% al nivel de 5% y 10% en
nivel del 1%.
Los resultados para el Dólar / Yen son bastante similares, con los saltos contribuir entre el 2%
y 12% de la variación en los precios. Se obtiene una tasa similar de rechazo de la hipótesis nula para el
serie de yenes como vimos para la tasa de DM.
(A) Correlograma para los saltos de dólar / DM. (B) Correlograma para los saltos para Dólar / Yen
0,025
0,025
0.000 0.000
-0.025
-0.025
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Figura 4: Correlograma de una serie temporal de indicadores que tenga en cuenta si se falló en la prueba de salto. Esto se basó en M = 72 y
el uso de una prueba de tamaño de 5%. Straightline son intervalos Bartlett 95% confianza estándar para estas estadísticas. Código: saltar
daily.ox RV.
En general, este análisis sugiere que hay una gran cantidad de evidencia estadística de que hay
saltos en la serie de tipo de cambio. Es interesante que el porcentaje de rechazos y proporciones
debido a los saltos parece bastante estable a medida que avanzamos entre los dos tipos de cambio.
20
La Figura 4 muestra el correlogram de una serie de tiempo diario que registra un uno si la relación ajustada
prueba de salto rechaza la hipótesis nula de no salto y un cero si se acepta la hipótesis nula. Por lo tanto esta intentos
para medir si hay alguna dependencia serial en la aparición de saltos entre días. por
ambas monedas hay poca evidencia para el agrupamiento de los saltos entre días. Por supuesto totalmente
modelos paramétricos pueden tener más éxito en la detección de este tipo de dependencia sutil.
6.3 Estudio de casos
6.3.1 Dos días contrastantes
En este apartado vamos a ver algunos días especí fi cos en la muestra que se han realizado grandes
varianzas 3 para ver si podemos vincular los resultados del análisis estadístico formal con
discusiones más informales. A lo largo nos centramos en la tasa dólar / DM. Para empezar vamos a dar una
discusión detallada de dos días extremas, que vamos a poner en contexto mediante el análisis de juntas
con unos pocos días cada lado de los eventos extremos. trazamos y δ para una variedad de valores de METRO utilizando
puntos, en lugar de las líneas de series de tiempo más estándar, así como dar el salto ratio ajustado
estadísticas con sus correspondientes valores críticos 99%.
En la Figura 5 hay un gran aumento en el dólar contra la D-marca, con un movimiento de
casi dos por ciento en un período de cinco minutos. Esto ocurrió el 15 de enero de 1988. El Financial
Times en su portada al día siguiente
“Los precios en dólares y acciones se dispararon en el comercio agitado en los mercados financieros del mundo fi ayer
después de la liberación de o fi ciales cifras que muestran que el comercio déficit de Estados Unidos había caído a $ 13.22 millones
en noviembre respecto al nivel récord de octubre del $ 17.63 bn. La moneda estadounidense subió 4 pfennigs
y 4 yen dentro de los 10 minutos de la liberación de las figuras y se mantiene el día de más alto
niveles a finales de los negocios de Nueva York ... “.
Los datos para enero decima quinta tenía una gran varianza realizada pero una estimación mucho menor de
la varianza integrada. De ahí que las estadísticas están atribuyendo un gran componente de la cuenta de
varianza para el salto con la relación estadística ajustada es mayor que el correspondiente 99%
valor crítico. Cuando METRO es pequeña la estadística está en el límite de ser significativo, mientras que el
situación se vuelve mucho más claro como METRO se hace grande.
Este salto e ff ect contrasta con la Figura 6, donde en el día 1134a 19 de agosto 1991, es
un porcentaje de tres fortalecimiento del dólar, pero esto sucede durante un largo período horas con
muchos resultados positivos. En las primeras horas de ese día, el presidente ruso, Mikhail Gorbachov
3 El resultado no cambia si se utiliza el Andersen, Bollerslev, Diebold y Labys (2001) versión de estos datos, o el conjunto de datos que incluye el Barndor
FF-Nielsen y ajustes estocásticos Shephard (2002).
21
M = 12. trayecto de la muestra de y δ
1,25 Ajustado estadístico de razón de salto y 99% de los valores críticos
4
1.00
2
0.75
0.50
0
240 242 244 246 248 240 242 244 246 248 250
M = 72.
4
1.00
2
0.75
0 0.50
240 242 244 246 248 240 242 244 246 248 250
M = 288
4
1.00
2 0.75
0.50
0
240 242 244 246 248 240 242 244 246 248 250
Figura 5: Ejemplo de pequeños tramos de datos con grandes variaciones realizadas. espectáculo de lado izquierdo
y δ para una variedad de valores de M. derecha muestra el ajustada estadístico de razón de salto, junto con los valores críticos 99%. El gran
cambio de ritmo en los precios, se produjo el 15 de enero 1988, cuando el equilibrio sorprendente estadounidense de cifras de pago se
dieron a conocer. Código está disponible en: saltar RV.ox.
fue derrocado tras un golpe de los irreductibles comunistas. El Financial Times en su
portada del día siguiente:
“Precios de las acciones de todo el mundo se desplomaron ... y el dólar subieron en más de 5 céntimos
en contra de la D-Mark ayer, ya que los mercados financieros experimentaron su comercial más turbulenta
condiciones desde el accidente de octubre de 1987. ... remoción del presidente Mikhail Gorbachov
del poder dado lugar a una intensa nerviosismo de los inversores acerca de los ECTS e ff de una crisis política soviética
se extienda en el resto de Europa y molestar a las perspectivas de la economía mundial .... El
repercusiones fueron especialmente marcados en Alemania .... En los mercados de divisas, los distribuidores venden el D-
Marcos de dólares .... intervención del banco central de Alemania, Gran Bretaña, Italia, Francia y Japón
amortiguado el alza del dólar. Después de tocar un máximo de DM1.832, se cerró ayer por la noche en Londres
en DM1.8165, hasta más de 5 céntimos. En Nueva York, si terminado en DM1.8235 “.
22
M = 12. trayecto de la muestra de y δ Ajustado estadístico de razón de salto y
99% de los valores críticos
5.0 1.00
0.75
2.5
0.50
1130 1132 1134 1136 1138 1130 1132 1134 1136 1138 1140
M = 72.
1.2
5.0
1.0
2.5
0.8
1130 1132 1134 1136 1138 1130 1132 1134 1136 1138 1140
M = 288
1.1
5.0
1.0
2.5 0.9
0.8
0.0
1130 1132 1134 1136 1138 1130 1132 1134 1136 1138 1140
Figura 6: Ejemplo de pequeños tramos de datos con grandes variaciones realizadas. espectáculo de lado izquierdo
y δ para una variedad de valores de M. derecha muestra el ajustada estadístico de razón de salto, junto con los valores críticos 99%. Gran
cambio en los precios atribuye a la alta volatilidad, no un jum. El cambio se produjo el 19 de agosto de 1991, cuando Gorbachov fue
removido por un golpe de estado. Código está disponible en:
saltar RV.ox.
El correspondiente varianza realizada es muy alta, pero también lo es la varianza estimada integrado.
De ahí que en este caso las estadísticas no han agged fl un salto en el precio, a pesar de que los precios
se mueve rápidamente.
Más sorprendentemente Figura 6 fl ags hasta un posible salto en el día siguiente, 20 de agosto. Esta
sucedido en torno 10.20 GMT, donde tuvimos rendimientos porcentuales consecutivos - 0,577, - 0,999
y 1.027, mostrando una fuerte corriente vendedora o FF en el dólar seguida de una recuperación. El Times de Londres
informó al día siguiente
“Durante la mañana el comercio europeo, un informe que Gorbachov estaba de nuevo en el
Kremlin hizo que el dólar en un paso de tres céntimos inmediata frente al marco. Sin embargo,
un nuevo informe - que el Sr. Gorbachov estaba todavía en la Crimea - acabó con la caída del mismo modo
con rapidez."
23
6.3.2 días de alta volatilidad
Una cuestión importante es si estos dos días eran típicas de días extremas en el extranjero
mercado de cambios? Aquí nos centraremos en dos conjuntos de días: todos esos días en que la relación
estadística es pequeña o grande, y la varianza realizada es bastante grande. En todo M = 288 se utiliza.
0.5 1.00
1.00 0
0.75
0.0 0.75
-1
0.50 0.50
-0.5 -2
171 172 173 171 172 173 174 232 233 234 232 233 234 235
4 2
1.00 1.0
2 0.75 1 0.8
0.50 0.6
0 0
251 252 253 251 252 253 254 271 272 273 271 272 273 274
1.00 1.0 1.00
0.75 0.5 0.75

-1 0
0.50 0.0 0.50
310 311 312 310 311 312 313 331 332 333 331 332 333 334
2 1.0
1.00 1.5
1 1.0 0.8
0.75
0.5
0 0.50 0.6
0.0
414 415 416 414 415 416 417 681 682 683 681 682 683 684
Figura 7: Los días en los que existe una varianza alta realizado y la prueba de salto ratio ajustado encontraron un salto usando M = 288. es
representado y δ y la correspondiente prueba de salto, con valores críticos 99%. Código está disponible en: saltar RV.ox.
La figura 7 muestra los resultados para todos los 8 días cuando la estadística de relación es menor que 0,6, lo que sugiere una
saltar, y donde la varianza realizada es superior a 1,2. En cada día de la figura muestra un único gran
movimiento que es mucho mayor en magnitud que el resto de ese día. Estos grandes cambios
están enlistados debajo.
24
Secuencia Día GMT movimiento
173th Viernes 11 de septiembre de, de 1987 12.35 -. 967
234a Jueves, 10 de diciembre 1987 13.35 - 1.44
253th Viernes, 15 de enero 1988 13.35 2.03
273th Viernes, 12 de febrero 1988 13.35 1.16
312ª Jueves, 14 de abril 1988 12.35 - 1.65
333th Martes, 17 de mayo 1988 12.35 1.14
416 Miércoles, 14 de septiembre 1988 12,35 0,955 683th
Martes, 17 de octubre 1989 12.35 - 0,714
La mayoría de anuncios macroeconómicos estadounidenses se hacen a las 8.30 EST, que es 12.30 GMT desde
principios de abril hasta finales de octubre y 13.30 de otro modo (las fechas precisas de horario de verano automáticamente variar
de año en año). Esto significa que todos los saltos que hemos visto en esta figura corresponden
a anuncios macroeconómicos. Existe una literatura económica sustancial tratando de igualar
hasta movimientos en los tipos de cambio a anuncios macroeconómicos (por ejemplo Ederington y Lee
(1993), Andersen y Bollerslev (1998b) y Andersen, Bollerslev, Diebold, y Vega (2003)).
En general, esta llega a la conclusión de que este tipo de noticias se absorbe rápidamente en el mercado, moviendo las tasas
vigorosamente, pero con poco impacto a largo plazo sobre la volatilidad posterior de las tasas.
Por último en la figura 8 nosotros parcelas resultados para días donde la volatilidad realizada es mayor que 3,79.
En cada uno de estos días, la estadística indica que no hay salto salto en el proceso.
Los días que no hay salto con muy altas variaciones realizadas se enumeran a continuación. Secuencia
Día
661ª Viernes, 15 de septiembre 1989
1135a Lunes, 19 de agosto 1991
1399a Miércoles, 16 de septiembre 1992 1400a Jueves,
17 de septiembre 1992 2015a
Miércoles, 08 de marzo 1995
2031th Jueves, 30 de marzo 1995
El período más interesantes de esta tabla es de alrededor decima sexta septiembre de 1992, que es cuando el
Reino Unido suspendió su membresía MTC. Esto causó un pequeño debilitamiento inmediata en el dólar
en este día, pero en general esto parece haber sido en gran medida esperada. En cambio, el dominante
característica es el alto nivel de volatilidad durante este período.
7 Extensiones y discusión
7.1 Las reglas del juego
Una limitación significativa de nuestro análisis ha sido que hemos supuesto que ( α *, σ) son inde-
pendiente de w. Este ningún supuesto apalancamiento (por ejemplo, Negro (1976), Nelson (1991) y Ghysels,
Harvey, y Renault (1996)) es empíricamente razonable, con los tipos de cambio, pero choca con lo
observamos los datos de renta variable. Esto es muy importante. No está claro cómo nuestros resultados cambian en
el caso en el que tenemos apalancamiento. Huang y Tauchen (2003) tienen algunos resultados de la simulación en
este tema. Algunos discusión de esto en el caso de variación de potencia dado cuenta conectada se da en
25
1.1
1.0
2
1.0
1
0.8 0.9
-1 0 0.8
0.6
659 660 661 659 660 661 662 1133 1134 1135 0 2 4 1133 1134 1135 1136
1.0
1.0
0.9 0.9
0.8
0.8
1397 1398 1399 0 2 1397 1398 1399 1400 1398 1399 1400 -1 0 1 2 1398 1399 1400 1401
1.0
1.0
0.9
0.9
0.8
2013 2014 2015 -4 -2 0 2013 2014 2015 2016 2029 2030 2031 -1 0 1 2 2029 2030 2031 2032
Figura 8: Días en los que hay una alta varianza realizado y la prueba de salto ratio ajustado no encontrar un salto usando M = 288. es
representado y δ y la correspondiente prueba de salto, con valores críticos 99%. Código está disponible en: saltar RV.ox.
Barndor FF- Nielsen, Graversen, y Shephard (2004) donde la limitada muy conocido teórico
Los resultados se exponen.
7.2 procesos multivariables
Nuestra discusión de saltos en la economía fi nancieros ha sido del todo univariado. ¿Cómo podemos pensar
de versiones multivariados de los objetos que discutimos en este documento?
covariación cuadrática juega un papel esencial en la econometría financieros. Discutiremos esto
en el contexto de un semimartingale bivariante ( X *, y *). A continuación, la covariación entre cuadrática
X * y y * es
ΣMETRO
[ y *, X *] ( t) = pag - lim { y * ( t j) - y * ( t j - 1)} { X * ( t j) - X * ( t j - 1)}.
METRO → ∞
j=1
Tenga en cuenta que el uso de esta notación [ y *, y *] = [ y *], la QV de la y * proceso. covariación cuadrática tiene
sido estudiado recientemente por, por ejemplo, Barndor FF- Nielsen y Shephard (2004a) y Andersen,
26
Bollerslev, Diebold y Labys (2003).
Una propiedad importante de QV es el llamado resultado polarización que
[ y *, X *] = 1
2 {[ y * + X *] - [ y *] - [ X *]} .
Además, por supuesto, podemos usar dado cuenta de BPV para estimar consistentemente
[ y * do, X * c] = 1
2 {[ y * c + X * do] - [ y * do] - [ X * do]}
y entonces
{ }
[ y * re, X * d] = 1 [ y * d + X * re] - [ y * re] - [ X * re]
2
mediante la estimación de cada uno de los términos individuales. Actualmente estamos estudiando esto y una alternativa
estimador de este tipo basado en
[ y *, X *] = 1
4 {[ y * + X *] - [ y * - X *]} .
En principio, este tipo de análisis nos permite comprender la dependencia entre los activos en
tiempo estándar y en tiempos de saltos. Este tema ha recibido considerable atención en la
literatura económica que a menudo se postula que la dependencia entre activos puede variar con-
considerablemente durante los períodos de extrema variabilidad.
7.3 construcción reducida modelos de formulario
Siguiendo Barndor FF- Nielsen y Shephard (2004c), Andersen, Bollerslev, y Diebold (2003)
han utilizado variación en doble nivel como una entrada en nuevos dispositivos de forma de predicción reducido para el modelado
valores futuros de las variaciones realizadas (que a su vez proxy de la variabilidad de los precios futuros). Esta
sigue la influyente línea de pensamiento de Andersen, Bollerslev, Diebold y Labys (2003) quienes
modelado variaciones realizadas en términos de retrasos de las variaciones realizadas anteriores. siguiendo inicial
versiones del trabajo descrito en este documento, se utiliza el resultado dado en el teorema 1 para truncar
el estimador basado BPV del QV del componente de salto si los saltos no son significativos.
Este estimador estilo contracción parece tener éxito en el trabajo empírico, produciendo nuevas ideas y
mejora la exactitud del pronóstico.
microestructura e ECTS ff 7.4 Mercado
En un trabajo reciente estimulante un número de investigadores han estado tratando de medir formalmente
y mitigar el impacto del ruido microestructura del mercado (por ejemplo, datos espaciados irregularmente, redondeo,
ECTS ff volumen de correos, etc.) sobre la estimación de la varianza integrada utilizando dieron cuenta de QV. Andersen,
Bollerslev, Diebold, y Labys (2000) estudiaron los sesgos inducidos por el ruido usando la llamada
parcela firma. Que conduce trabajos recientes que estudian las propiedades de muestreo realizado en QV
27
la presencia de ruido incluyen Bandi y Russell (2003a), Bandi y Russell (2003b) y Zhang,
Mykland, y Ait-Sahalia (2003). trabajo relacionado en la literatura de probabilidad sobre el impacto de
ruido en los derrames ff di discretamente observados se puede encontrar en Gloter y Jacod (2000a) y Gloter
y Jacod (2000b), mientras que Delattre y Jacod (1997) los resultados del informe sobre el impacto del redondeo
en sumas de funciones de los derrames di ff discretamente observados. Otra corriente de autores, o bien sugerir
distintos ajustes en las secuencias de retorno o la definición de QV realizado para superar la
e ff ect del ruido de la microestructura del mercado. papeles elegantes en esto incluyen Hansen y Lunde (2003),
Martens (2003) y Curci y Corsi (2003). También, por supuesto, mención especial debe hacerse a
Dacorogna, Gencay, m Müller, Olsen, y Pictet (2001) que se han llevado a cabo trabajo seminal sobre la
construcción cuidadosa de los datos fiables de precios para el estudio de la volatilidad. Finalmente, Zhang, Mykland,
y AIT-Sahalia (2003) proponen un esquema de submuestreo para intentar superar los sesgos debido a
de microestructura ECTS e ff.
Aquí tenemos muy brevemente discutir el impacto del ruido sobre BPV dado cuenta. Nos inspiramos
de los papeles de Bandi y Russell (2003a), Bandi y Russell (2003b) y Zhang, Mykland,
y AIT-Sahalia (2003), aunque nuestro modelo de ruido será di ff Erent. Suponemos que hacemos
observaciones a intervalos igualmente de tiempo espacio
0, δ, 2 δ, ...
y heredamos algo de ruido de medición u cada vez que hacemos esto. En particular, observamos
X * ( δj) = y * ( δj) + u j,
el verdadero precio de equilibrio más un error. En todos los tres documentos anteriores el ruido se supone que
ser iid con una distribución que no varía con δ. Es la segunda de dichas hipótesis
que es crucial para sus resultados. Partimos de esto en lugar de asumir un modelo de componentes
para u j con
u j = u j, 1 + u j, 2,
dónde
u j, 1 = o pag( δ 1/2).
mientras
N (δj)
Σ
u 2, j = v yo, v i = O pag( 1),
i = N (δ (j - 1)) + 1
dónde norte es un proceso actividad finito (que se N (t) < ∞ para todos t). Esto significa que la mayoría de las piezas de
ruido será pequeño, pero de vez en cuando habrá una medición salvaje. Si la diferencia de tiempo es grande
entonces la probabilidad de ver una observación salvaje es grande, mientras que para pequeños intervalos de tiempo los errores
28
será modesta. Esto tiene alguna relación con el trabajo de Gloter y Jacod (2000a) y Gloter y
Jacod (2000b) que estudió el impacto del ruido sobre la estimación de los parámetros de forma totalmente
paramétrica derrame di ff observó con errores. En esos papeles que permitieron las propiedades de ruido
a cambiar con δ.
El modelo para X * ( δj) significa que los rendimientos registrados son
X j = X * ( δj) - X * ( δ (j - 1))
= y j + u j - u j - 1.
El proceso para QV X * es
Σ
[ X *] ( t) = σ 2 ( u) re u + 2 v j,2
0
j=1
por lo que los saltos debido a u j, 1 asintóticamente convertido en insignificante. Una característica importante de este resultado
es que esta variación cuadrática es finito, con probabilidad uno. Así, este di ff ers el resultado de
que se habría obtenido si u j, 1 = O pag( 1) y u 2, j = 0, que era el caso estudiado por
Bandi y Russell (2003a), Bandi y Russell (2003b) y Zhang, Mykland, y Ait-Sahalia
(2003).
Es obvio que si el segundo de retraso se dio cuenta de Bipower medida la variación del error
retornos libre tiene

∫t
1 Σ
METRO - 2
| y j | | y j + 2 | pag→ σ 2 ( u) re u,
μ 21 0
j=1
entonces los ruidosos retornos satisfacen
∫t
1 Σ
METRO - 2
| X j | | X j + 2 | pag → σ 2 ( u) re u,
μ 21 0
j=1
debido a la actividad finito del proceso de conteo y el hecho de que la no salto errores inducidos
son de un orden de magnitud más pequeña de que los rendimientos. Es necesario utilizar un segundo de retraso en doble nivel
medir la variación como el registro erróneo de los precios induce un primer orden en movimiento estructura media
en los rendimientos, lo que significa que hay una probabilidad no despreciable de saltos contiguos en la
proceso de recuento incluso asintóticamente.
Una característica interesante de este análisis es que la intensidad del proceso de conteo puede ser
permitido ser dinámico sin ff e ión de la línea de argumento presentado aquí. El único argumento
lo que importa es que el proceso de llegada es de la actividad infinita. dependencia serial entre el
errores es, en principio, irrelevante.
El análisis anterior es sólo ilustrativa. Esto no quiere decir que la microestructura del mercado e ECTS ff
tendrá ningún impacto en BPV. Más bien, tomamos esto como lo que significa que es más robusto a
de microestructura ECTS e ff que la varianza realizada.
29
En la práctica, cuando calculamos versiones omitidos de BPV se dio cuenta, entonces tiene sentido utilizar
la corrección fi nita de la muestra
MM - k Σ
METRO - k
{ X * δ} i, k = 1 | Xj|| Xj+k|,
μ 21
j=1
para esta entrega un estimador insesgado de la varianza en el caso del movimiento browniano.
La Tabla 7 muestra el valor medio de las cantidades diarias realizadas para una variedad de valores de METRO
para todo el / la serie Deutsche-Mark Olsen alemán Dólar Estadounidense 1986-1996 nos
anterior estudiamos en la sección 6. Podemos ver que los valores medios de la BPVS dado cuenta de caídas
como METRO reduce, sin embargo los resultados son bastante estables a través de BPVS realizadas di ff Erent siempre y cuando
el retraso es mayor que uno. La tabla muestra una fuerte caída a medida que avanzamos a partir del valor promedio de
la varianza realizada al valor promedio de { X * δ} i, 1, pero otra disminución aguda por mucho tiempo lag
BPVS realizadas. Esto sugiere la presencia de dos saltos y de microestructura ECTS e ff.
X 2 yo [ X * δ] i { X * δ} i, 1 { X * δ} i, 2 { X * δ} i, 3
0.50679 0.53085 0.49964 288 0.46804 0.45442
144 0,50679 0,51148 0,47496 0,44401 0,43474 72
0.49064 0.44526 0.41814 0.50679 0.41298
24 0.46469 0.40653 0.38361 0.50679 0.36369
Tabla 7: Valor promedio de toda la muestra de las estadísticas por día. Las devoluciones se han multiplicado por 100.
También podemos estudiar la autocorrelación entre los días de estas medidas de volatilidad. Figura 9
muestra los resultados para una variedad de valores de METRO. Los resultados son claros. Todas las medidas realizadas BPV
tienen una mayor dependencia de serie de la RV, pero las medidas usando retardos de más de un período
tienen correlaciones de serie aún más altos. El aumento de la dependencia parece ser del mismo orden
de magnitud que hemos visto pasar de RV a un rezagado dado cuenta de BPV.
8 Conclusiones
En este trabajo se han proporcionado los resultados detallados de la distribución asintótica de las pruebas para la
presencia de saltos. resultados de Monte Carlo sugieren una relación estadística de salto puede ser ajustada de forma fiable
utilizado para la prueba de saltos incluso si el tamaño de la muestra es pequeño. Se aplicó esta prueba para un intercambio
los datos de frecuencia y encontraron muchos rechazos de la hipótesis nula de no hay saltos. En algunos casos de estudio relacionamos la
rechazos a las noticias económicas. Vemos que los grandes saltos en nuestra base de datos son causadas principalmente por
anuncios de noticias macroeconómicas. Nuestros resultados contrastan con los resultados previos, como el
reportado por Eraker, Johannes, y Polson (2003), que tienden a encontrar un pequeño número de saltos
asociado con grandes movimientos diarios en los precios de los activos.
30
M = 288
0.6 M = 144
0.6 RV RV
RBPV1 RBPV1
RBPV2 RBPV2
RBPV3 0.5 RBPV3
0.5
0.4
0.4
0.3
0.3
0 2 4 6 8 10 0 2 4 6 8 10
M = 72
RV
RV RBPV1
0.5 RBPV1
0.4 M = 24 RBPV2
RBPV2 RBPV3
RBPV3
0.4
0.3
0.3
0.2
0 2 4 6 8 10 0 2 4 6 8 10
Figura 9: Correlograms de la RV y se dio cuenta BPVS en varios retardos. Código: saltar daily.ox RV.
Los datos que hemos utilizado proviene de uno de los mercados financieros más densamente negociados. los
pruebas abrumadoras de saltos en este mercado sugiere que el supuesto de uso general
que los precios tienen trayectorias muestrales continuos está en agudo contraste con la evidencia empírica.
9 Agradecimientos
El trabajo de Ole E. Nielsen Barndor FF es apoyado por CAF ( www.caf.dk), financiado por el danés Social
Science Research Council, y por MaPhySto ( www.maphysto.dk), financiado por la National danesa
Fundación de Investigación. La investigación de Neil Shephard es apoyado por CERS del Reino Unido a través de la
conceder “econometría financieras frecuencia Fi de alta en base a la variación de potencia.” Todos los cálculos
realizado en este documento se basan en el software escrito por los autores que utilizan el lenguaje de buey
Doornik (2001). Tenemos beneficiado de correspondencia con Tim Bollerslev y Xin Huang
sobre este tema, mientras que los comentarios de Clive Bowsher y Bent Nielsen sobre un proyecto anterior eran
También es muy útil.
31
Una Prueba del teorema 1
Supuestos A.1 y la declaración de dos teoremas
Recordemos los tres supuestos que utilizamos en el Teorema 1. Vamos a llevar a cabo el resultado de un límite fi jo
valor de t, permitiendo t =? M. Así como δ ↓ 0 entonces necesariamente METRO → ∞.
(una) La cantidad de volatilidad

√
∫ δj
ψj= δ-1 σ 2 ( u) re u
δ (j - 1)
está delimitada lejos de 0 y el infinito, de manera uniforme en j y δ.
(segundo) El proceso media α * satis es fi, (PathWise) como δ ↓ 0,
δ - 1 máx (20)
1 ≤ j ≤b t / δ c | α * ( jδ) - α * (( j - 1) δ) | = o pag( 1).
(do) El proceso conjunto ( α *, σ) es independiente del movimiento browniano w.
En este apéndice se prueba dos resultados nos planteamos en esta subsección: (i) el teorema 2, que
muestra consistencia de BPV dado cuenta cuando α * 6 = 0, (ii) Teorema 3 que da un límite central conjunta
teoría para BPV realizado y QV bajo SVSM do. Estos dos resultados luego entrega Teorema 1
inmediatamente.
teorema 2 Dejar y * ∈ SVJSM do y condiciones supongamos ( a), (b) y ( do) mantener, a continuación,
∫t
{ y *} [ 1,1] ( t) = μ 21 σ 2 ( u) re u. (21)
0
teorema 3 Dejar y * ∈ SVSM do y condiciones supongamos ( a), (b) y ( do) sostener. entonces condición-
aliado de ( α *, σ), los procesos de BPV y QV realizadas
[ yδ]* ( t) y μ - 2 1{ y* δ} [ 1,1] ( t) (22)
siga asintóticamente, como δ ↓ 0, una ley normal bivariada con media común ∫ t 0σ2( u) re u. los
covarianza asintótica de
{([ y * ) )}
δ] ( t) μ-2
δ - 1/2 1{ y* - ( ∫ t ∫ 0t σ 2 ( u) re u
δ} [ 1,1] ( t) 0 σ 2 ( u) re u
es
∫t
Ω * ( t) = Π σ 4 ( u) re u (23)
0
dónde
( var ( u 2) )
2 μ 1- 2Cov ( u 2, | u || u '|)
Π=
2 μ 1- 2Cov ( u 2, | u || u '|) μ - 4 1{ Var (| u || u '|) + 2Cov (| u || u '|, | u '| | u '' |)}
(22 ) )
= '( 2 2
2 ( π 2 / 4) + π - 3 2 2,6090
con u, u ', u '' siendo normales estándar independientes.
32
?
A.2 La consistencia de la variación en doble nivel dado cuenta: teorema 2
Esta prueba va en cuatro etapas. Nos primer conjunto el proceso de salto a cero. Proporcionamos algunos pre
Resultados liminares sobre discretización de la varianza integrada. A continuación, se prueba la consistencia de doble nivel
cuando la variación α * = 0. A continuación, demostramos el teorema 2 en el caso de no hay saltos, mostrando que
permitiendo α * 6 = 0 tiene un impacto insignificante. Esto es, con mucho, la parte más difícil de nuestra prueba como demostramos
el e ff ect de la deriva es o pag( δ - 1/2) que será necesario para el Teorema 3. Por último, señalamos aquí que
el teorema se extiende al caso salto trivialmente usando el argumento dado en Barndor FF- Nielsen
y Shephard (2004c). Por lo tanto el objetivo de este apartado es totalmente en detallar los tres primeros
pasos de este argumento.
Primero se recordamos resultado.
Propuesta 1 ( Barndor FF- Nielsen y Shephard (2004c)). Debajo ( una) que tenemos para
r> 0 y
∫ jδ
σ2j= σ 2 ( u) re u
( j - 1) δ
ese • •
• Σ
METRO - 1
Σ •
δ1-r σ RJ σ RJ + 1 - METRO σ 2 RJ = O pag( δ).
• •
j=1 j=1
Este resultado se obtiene en el curso de la demostración del teorema 2 de Barndor FF- Nielsen y
Shephard (2004c), cf. la ecuación (13), de dicho papel.
corolario 1 Debajo ( una) tenemos que
Σ
METRO - 1
σj σj+1- ∫ t σ 2 ( u) re u = O pag( δ).

0
j=1
Este corolario es un refuerzo considerable (en el caso especial de r = 1) de la re-
Sult en Barndor FF- Nielsen y Shephard (2004c) que para r> 0 entonces δ 1 - r Σ METRO - 1 j = 1 σ RJ σ RJ + 1 menos
∫t
0σ2r( u) re u es o pag( 1). Este fortalecimiento es vital tarde, ya que nos permitirá derivar un límite central
teorema sin imponer condiciones fuertes sobre el proceso de volatilidad (por ejemplo de variación infinita). Eso
no se sostiene para los valores más generales de r.
Prueba. Trivialmente de la proposición 1, en el caso especial donde r = 1, utilizando el hecho de que
∫t
ΣMETRO
σ2j= σ 2 ( u) re u.
0
j=1
33
?
Esto nos permite probar la existencia de la variación en doble nivel en el caso r = s = 1 bajo más débil
supuestos que utilizados por Barndor FF- Nielsen y Shephard (2004c).
teorema 4 Suponer y * ∈ SVSM do y adicionalmente ( a), (c) y α * = 0, entonces

• •
Σ
• | y j || y j + 1 | • - μ 21 σ 2 ( s) re s = o pag( 1).
0
j=1
Prueba. Utilizando ( do) y el hecho de que α * = 0 tenemos que
Σ
METRO - 1
Σ
METRO - 1
| yj|| yj+1|L = σ j σ j + 1 | u j || u j + 1 |,
j=1 j=1
donde el u j son iid estándar normal. Esto significa que
Σ
METRO - 1
ΣMETRO Σ
METRO - 1
| y j | | y j + 1 | - μ 21 σj σj+1L = σ j σ j + 1 (| u j || u j + 1 | - μ 21).
j=1 j=1 j=1
En nuestra prueba de que su fi cinas para mostrar dos cosas:
1. Como δ ↓ 0
Σ
METRO - 1
R= σ j σ j + 1 (| u j || u j + 1 | - μ 21) = o pag( 1). (24)

j=1
2. Como δ ↓ 0
Σ
METRO - 1
σj σj+1- ∫ t σ 2 ( u) re u = O pag( 1). (25)

0
j=1
Pero Corolario 1 es un resultado más fuerte que (25). Por lo tanto nos queda más que probar la parte 1. Establecer
(24), es su ciente FFI para mostrar que
Σ
METRO - 1
pag
S= do mj X j → 0, donde do mj = σ j σ j + 1 y X j = (| u j || u ' j | - μ 21),
j=1
dónde u j y u ' j son secuencias normales estándar independientes 4. Barndor FF- Nielsen y Shephard
4 Esto es una consecuencia del siguiente argumento. De fi ne
ΣMETRO
R= v M, j, dónde v M, j = σ j σ j + 1 (| u j || u j + 1 | - μ 2 1),
j=1
y construir R '= Σ METRO j=1 z M, j, dónde R ' es una copia independiente de R. Observamos que v M, j es independiente de
v M, j + s para todos | s | > 1. Entonces podemos reescribir
R + R '= ( v METRO, 1 + v METRO, 2 + ... + v M, M) + ( z METRO, 1 + z METRO, 2 + ... + z M, M)
= ( v METRO, 1 + z METRO, 2 + v METRO, 3 + ...) + ( z METRO, 1 + v METRO, 2 + z METRO, 3 + ....)
= S + S ',
así que eso S y S ' son cada uno de sumas de términos independientes. S y S ' no son independientes sino que están distribuidos de forma idéntica. Sin embargo, si como METRO → ∞ asi que S pag
→ 0, entonces, consquently, R + R ' pag → 0. Como R es independiente de R ' esto significa que
R pag→ 0.
34
(2003a, Corolario 4.3) se aplica a una suma. especí fi camente a ver que S pag → 0 let σ j = δ 1/2 ψ j entonces
nosotros escribimos do mj = δψ j ψ j + 1. La cuestión importante es que el supuesto ( una) límites ψ j ψ j + 1. Entonces,
como es fácil de verificar, los siguientes tres condiciones son satisfechas como δ ↓ 0 y con X distribuidos de la | u | | u '| - μ 21
do M = máx
1 ≤ j <M do mj = δ máx 1 ≤ j <M ψ j ψ j + 1 → 0,
{| x | ≥ } → 0,
1
MP {| x | ≥ do - 1 METRO ε} = MP ε
δ máx j ψ j ψ j + 1
Σ
METRO - 1
Σ
METRO - 1
cenar do mj = cenar δ ψ j ψ j + 1 < ∞,

METRO METRO
j=1 j=1
y por lo tanto las condiciones de Corolario 4.3 en Barndor FF- Nielsen y Shephard (2003a) se satisfacen.
Para completar la demostración del teorema 3 tenemos que mostrar que el impacto de la deriva es insignificante.
Para ello vamos a introducir la notación
∫t
y 0* = σ (u) re w (u),
0
lo que implica
y*= y* 0+ α *.
La tarea restante es mostrar que, a la orden de que se trate, α * No hace un ff ect del asintótica
comportamiento límite, las condiciones previstas ( a), (b) y ( do) sostener. Para ello, su fi cinas para demostrar que
}
δ - {1/2 [ yδ]* [ 1,1] ( t) - [ y * 0 δ] [ 1,1] ( t) = o pag( 1).
de hecho, vamos a probar el siguiente resultado más fuerte, que cubre una variedad de versiones de
variación en doble nivel dado cuenta.
Propuesta 2 Bajo condiciones ( a), (b) y ( do) para r, s> 0
δ - ( r + s) / 2 { [ yδ]* [r, s] - [ y * 0 δ] [r, s]} = O pag( δ - 1/2 + ε)
)
para cada ε ∈ ( 0, 1 4
.
Prueba. Dejar
τ = inf τ (u)
0≤u≤tτ (u) y τ = cenar 0≤u≤t
35
y
γ j = δ - 1 α j, α j = α * ( jδ) - α * (( j - 1) δ), j = 1, 2, ..., METRO - 1.
y tenga en cuenta que (PathWise para ( α *, τ)), por supuesto ( una),
0 < τ ≤ τ < ∞,
reticente
0 <min
jθj≤ máx jθj< ∞,
mientras que, debido a la suposición ( segundo), existe una constante do para cual
máx | γ j | ≤ cδ,
j
cualquiera que sea el valor de METRO.
Hemos usando ( do)
Σ
METRO - 1
[ yδ]* [r, s] ( t) - [ y * 0 δ] [r, s] ( t) = (| α j + y 0 j | r | α j + 1 + y 0 j + 1 | s - | y 0 j | r | y 0 j + 1 | s)

j=1
Σ
METRO - 1
= {| δγ j + δ 1/2 θ 1/2 ju0j|r| δγ j + 1 + δ 1/2 θ 1/2 j+1 u0j+1|s

j=1
- | δ 1/2 θ 1/2j u 0 j | r | δ 1/2 θ 1/2 j+1 u 0 j + 1 | s}

Σ
METRO - 1
= δr/2 δs/2 θ jr θ/ 2s / 2j2j + 1 {| ( γ j / θ 1/2 j) δ 1/2 + u 0 j | r

j=1
· | ( γ j + 1 / θ 1/2
j + 1) δ 1/2 + u 0 j + 1 | s - | u 0 j | r | u 0 j + 1 | s}
y por lo tanto
} ΣMETRO
δ - ( r + s) / 2 { [ yδ]* [r, s] ( t) - [ y * 0 δ] [r, s] ( t) = θ jr θ/ 2s / 2j2j + 1 h r, s ( u 0 j, u 0 j + 1; γ j / θ 1/2 j
, γ j + 1 / θ 1/2j + 1)
j=1
dónde
h r, s ( u, v; ρ 1, ρ 2) = | ρ 1 δ 1/2 + u | r | ρ 2 δ 1/2 + v | s - | u | r | v | s.
||| γ j / θ 1/2 ||| está acotada para todos j, la conclusión de la Propuesta 2 ahora se sigue de Corolario
Como
j
2, que se da a continuación.
Para obtener esa Corolario establecemos tres lemas, 1, 2 y 3. Lema 1 coteja varios
resultados de Barndor FF- Nielsen y Shephard (2003b) que se utilizan para demostrar Lemmas 2 y 3.
Dejar u ser una multa al azar variable y de normal estándar
h r ( u; ρ) = | ρδ 1/2 + u | r - | u | r.
36
Lema 1 ( Barndor FF- Nielsen y Shephard (2003b)) Para cualquier r> 0 y ρ ≥ 0, tenemos
MI{ h r ( u; ρ)} = O (δ),
E {| u | r h r ( u; ρ)} = O (δ ( 1 + 1 ∧ r) / 2).
MI{ h 2 r ( u; ρ)} = O (δ ( 1 + 1 ∧ r) / 2).
{var h r ( u; ρ} = O (δ ( 1 + 1 ∧ r) / 2).
Los resultados dados en el Lema 1 se derivan en el curso de la prueba de la proposición 3.3 en
Barndor FF-Nielsen y Shephard (2003b), por lo que no se dará aquí una prueba separada.
Se procede a declarar y demostrar Lemmas 2 y 3. Sea u y v Se independiente NORTE( 0, 1) variables.
lema 2 Para cualquier r, s> 0 y ρ 1 y ρ 2 Las constantes no negativas, tenemos
MI{ h r, s ( u, v; ρ 1, ρ 2)} = O (δ).
Prueba. La independencia de u, v junto con la primera ecuación en el lema 1 implica
{| ρ 1 δ 1/2 + u | r} {| ρ 2 δ 1/2 + v | s} - E {| u | r} E {| v | s}
MI{ h r, s ( u, v; ρ)} = mi mi
E = { h r ( u; ρ 1)} MI{ h r ( v; ρ 2)} + MI{ h r ( u; ρ 1)} E {| v | s} + E {| u | s} MI{ h s ( v; ρ 2)}
= O (δ).
lema 3 por u, v variables aleatorias normales estándar independientes y ρ 1 y ρ 2 no negativo
constantes, que tienen

(
MI{ h 2 r, s ( u, v; ρ 1, ρ 2)} = O δ ( 1 + 1 ∧ r ∧ s) / 2) .
Prueba. Claramente
h 2 r, s ( u, v; ρ) = | ρ 1 δ 1/2 + u | 2 r | ρ 2 δ 1/2 + v | 2 S + | u | 2 r | v | 2 s - 2 | ρ 1 δ 1/2 + u | r | ρ 2 δ 1/2 + v | s | u | r | v | s
= h 2 r, 2 s ( u, v; ρ) + 2 | u | 2 r | v | 2 s - 2 | ρ 1 δ 1/2 + u | r | ρ 2 δ 1/2 + v | s | u | r | v | s,
37
así, por el Lema B y la independencia de u y v,
MI{ h 2 r, s ( u, v; ρ)} = MI{ h 2 r, 2 s ( u, v; ρ)} + 2E {| u | 2 r} E {| u | 2 s}

{| u | r | ρ 1 δ 1/2 + u | r} {| u | s | ρ 2 δ 1/2 + u | s}
- 2E mi
( {| u | r | ρ 1 δ 1/2 + u | r} {| u | s | ρ 2 δ 1/2 + u | s} - E {| u | 2 r} E {| u | 2 s})
= O (δ) - 2 mi mi .
Además,
{| u | r | ρ 1 δ 1/2 + u | r} {| u | s | ρ 2 δ 1/2 + u | s} - E {| u | 2 r} E {| u | 2 s}
mi mi
{| u | r | ρ 1 δ 1/2 + u | r - | u | 2 r} {| u | s | ρ 2 δ 1/2 + u | s}
E= mi
{| u | s | ρ 2 δ 1/2 + u | s} - E {| u | 2 r} E {| u | 2 s}
+ E {| u | 2 r} mi
{| u | r | ρ 1 δ 1/2 + u | r - | u | 2 r} {| u | s | ρ 2 δ 1/2 + u | s - | u | 2 s}
E= mi
{| u | r | ρ 1 δ 1/2 + u | r - | u | 2 r}
+ E {| u | 2 s} mi
{| u | s | ρ 2 δ 1/2 + u | s} - E {| u | 2 r} E {| u | 2 s}
+ E {| u | 2 r} mi
E = {| u | r h r ( u; ρ 1)} E {| u | s h s ( u; ρ 2)}
+ E {| u | 2 s} E {| u | r h r ( u; ρ 1)} + E {| u | 2 r} E {| u | s h s ( u; ρ 2)}.
Con todo, a causa de Lema 1, esto significa que
MI{ h 2 r, s ( u, v; ρ 1, ρ 2)} = O (δ) + O (δ ( 1 + 1 ∧ r) / 2) O (δ ( 1 + 1 ∧ s) / 2) + O (δ ( 1 + 1 ∧ r) / 2) + O (δ ( 1 + 1 ∧ s) / 2)
= O (δ ( 1 + 1 ∧ r ∧ s) / 2).
Lemmas 2 y 3 y la desigualdad de Cauchy-Schwarz juntos implicar
corolario 2 por u, v, u ', v ' variables aleatorias normales estándar independientes y ρ 1, ρ 2, ρ ' 1, ρ ' 2
Las constantes no negativas, tenemos
(
{var h r, s ( u, v; ρ 1, ρ 2))} = O δ ( 1 + 1 ∧ r ∧ s) / 2)
y
(
Cov { h r, s ( u, v; ρ 1, ρ 2)) h r, s ( u ', v '; ρ ' 1, ρ ' 2))} = O δ ( 1 + 1 ∧ r ∧ s) / 2) .
Como ya se ha mencionado, la conclusión de la proposición 2 se deduce de Corolario 2.
38
Observación 2 A partir de la ecuación final en la prueba del Lema 3 se ve que en el caso especial
cuando r = s = 1 entonces
{var h r ( u; ρ)} = O (δ)
y por lo tanto la conclusión de la Propuesta 2 puede ser afilada a
[ yδ]* [ 1,1] - [ y * 0 δ] [ 1,1] = O pag( δ).
El resultado en el teorema 2 sigue ahora de la combinación del Teorema 4 y la Propuesta 2.
A.3 distribución asintótica de variación en doble nivel: Teorema 3
A.3.1 covarianza asintótica
Teniendo en cuenta la proposición 2, lo que queda es para demostrar el teorema 3 cuando y * ∈ SVSM do y la adicional
(condiciones a), (c) y α * = 0 bodega. La característica clave es que, haciendo caso omiso de la asintóticamente
despreciable y 2
METRO y el acondicionamiento de la σ proceso, podemos escribir el procedimiento como se
(Σ METRO - 1 ) (∫ t ) ( σ2j vj )
Σ
METRO - 1
j=1y2 j 0 σ∫2 t( u) re u μ 21 L
Σ METRO - 1 - =
yj|| yj+1| σj σj+1 wj
j=1| 0σ2( u) re u j=1
dónde
v j = u 2 j - 1 y w j = | u j || u j + 1 | - μ 21.
Las secuencias de { v j} y { w j} tener cero medios, con el primero ser iid, mientras que el segundo
satisfacer w j ⊥⊥ w j + s para | s | > 1. Entonces el teorema siguiente manera si se puede demostrar que
( σ2jvj ) ( ∫t ( var ( v 1) ) )
Σ
METRO - 1
2Cov ( v 1, w 1)
L
δ - 1/2 → norte 0, σ 4 ( s) re s .
σj σj+1 wj 0
2Cov ( v 1, w 1) var ( w 1) + 2Cov ( w 1, w 2)
j=1
(26)
Nuestra estrategia para demostrar que esto es para mostrar 5 el resultado de Gauss limitación de que el uso de cualquier con- reales
stants do 1 y do 2,
Σ
METRO - 1
( do 1 σ 2 j v j + do 2 σ j σ j + 1 w j )
δ - 1/2
j=1
( ∫t
re
→ norte 0, σ 4 ( s) re s [c 21 var ( v 1) + 4 do 1 do 2 Cov ( v 1, w 1) + do 22 { var ( w 1) + 2Cov ( w 1, w 2)}]) .
0
5 Recordemos que si z n = ( z norte 1, ..., z nq) es una secuencia de vectores aleatorios que tienen media 0 entonces para probar que z norte L
→
norte q ( 0, Ψ) para algunos no negativo de infinito matriz Ψ que SU ces FFI para mostrar que para las constantes reales arbitrarios do 1, ..., do q tenemos do ' z norte
L
→ norte q ( 0, do ' Ψ do), dónde c = (c 1, ..., do q) '. ( Esto se deduce directamente de la caracterización de la convergencia en
la ley en términos de convergencia de las funciones características.)
39
El Gaussianidad asintótica deduce de cálculos estándar de la central del límite clásica
teorema para secuencias martingala debido a Lipster y Shiryaev (véase, por ejemplo, Shiryayev (1981,
pag. 216)).
Lo que queda es derivar la varianza asintótica de esta suma. Claramente

• •
Σ
METRO - 1
( do 1 σ 2 j v j + do 2 σ j σ j + 1 w j ) • Σ
METRO - 1
( do 1 ψ 2 j v j + do 2 ψ j ψ j + 1 w j ) •
δ - 1/2 = δ - 1/2 δ
• •
j=1 j=1
tiene la varianza
Σ
METRO - 1
) Σ
METRO - 1
)
δ var ( do 1 ψ 2 j v j + do 2 ψ j ψ j + 1 w j +2δ Cov ( do 2 ψ j ψ j + 1 w j, do 2 ψ j + 1 ψ j + 2 w j + 1 .
j=1 j=1
Ahora, utilizando la integrabilidad de Riemann
Σ
METRO - 1
)
δ var ( do 1 ψ 2 j v j + do 2 ψ j ψ j + 1 w j
j=1
Σ
METRO - 1
Σ
METRO - 1
= Var ( v 1) do 21 δ ψ 4 j + var ( w 1) do 22 δ ψ2j ψ2j+1

j=1 j=1
Σ
METRO - 1
+ 2 do 1 do 2 { Cov ( v 1, w 1) + Cov ( v 2, w 1)} δ ψ2j ψj ψj+1

j=1
∫t
→ σ 4 ( u) re u {c 21 var ( v 1) + do 22 var ( w 1) + 4 do 1 do 2 Cov ( v 1, w 1)} .
0
Igualmente
Σ
METRO - 1
)
δ Cov ( do 2 ψ j ψ j + 1 w j, do 2 ψ j + 1 ψ j + 2 w j + 1
j=1
Σ
METRO - 1
= do 22 Cov ( w 1, w 2) δ ψj ψ2j+1 ψj+2

j=1
∫t
→ do 22 Cov ( w 1, w 2) σ 4 ( u) re u.
0
Esto confirma el patrón de covarianza requerida se indica en (26).
referencias
Ait-Sahalia, Y. (2002). Contando a partir de datos discretos si el tiempo continuo subyacente
modelo es un derrame di ff. Journal of Finance 57, 2075-2112.
Ait-Sahalia, Y. (2004). Desenmarañar di ff derrame de saltos. Revista de Economía Financiera.
Próximo.
Andersen, TG, L. Benzoni, y J. Lund (2002). Una investigación empírica de continua-
modelos de retorno de capital de tiempo. Journal of Finance 57, 1239-1284.
40
Andersen, TG y T. Bollerslev (1998a). Respondiendo a los escépticos: sí, la volatilidad norma
modelos proporcionan predicciones precisas. International Economic Review 39, 885-905.
Andersen, TG y T. Bollerslev (1998b). Deutsche volatilidad marca de dólares: AC- intradía
patrones tividad, anuncios macroeconómicos, y las dependencias a largo plazo. Diario de
Finanzas 53, 219-265.
Andersen, TG, T. Bollerslev, y FX Diebold (2003). A algunos les gusta suave, y algunos
gusta a la intemperie: desenredar componentes continuas y saltar en la medición, modelado y
pronosticar la volatilidad del rendimiento de activos. Documento inédito: Economía Dept, la Universidad de Duke.
Andersen, TG, T. Bollerslev, y FX Diebold (2004). Paramétrico y no paramétrico medi-
surement de la volatilidad. En Y. Ait-Sahalia y LP Hansen (Eds.), Manual de Financiera
Econometría. Amsterdam: Holanda del Norte. Próximo.
Andersen, TG, T. Bollerslev, FX Diebold, y P. Labys (2000). Grandes realizaciones. Riesgo 13,
105-108.
Andersen, TG, T. Bollerslev, FX Diebold, y P. Labys (2001). La distribución de
El tipo de cambio volatilidad. Revista de la Asociación Americana de Estadística 96, 42-55. cor-
rection publicado en 2003, volumen 98, página 501.
Andersen, TG, T. Bollerslev, FX Diebold, y P. Labys (2003). Modelización y predicción
volatilidad realizada. Econometrica 71, 579-625.
Andersen, TG, T. Bollerslev, FX Diebold, y C. Vega (2003). ECTS e ff micro de macro
anuncios: el descubrimiento de precios en tiempo real en divisas. Re Económico de América
vista 93, 38-62.
Volver, K. (1991). valoración de activos para los procesos generales. Diario de Economía Matemática 20,
371-395.
Bandi, FM y TH Nguyen (2003). En la estimación de los modelos funcionales y siguientes difusi on-di salto.
Journal of Econometrics 116, 293-328.
Bandi, FM y JR Russell (2003a). ruido de la microestructura, la volatilidad observada y óptimo
muestreo. Documento inédito presentado en la conferencia volatilidad realizada, Montreal,
Octavo noviembre, 2003.
Bandi, FM y JR Russell (2003b). La volatilidad o el ruido. Documento inédito presentado en
Realizada la conferencia volatilidad, Montreal, 8 de noviembre, 2003.
Barndor FF-Nielsen, OE, SE Graversen, y N. Shephard (2004). variación de potencia y
volatilidad estocástica: una revisión y algunos nuevos resultados. Diario de la Probabilidad Aplicada 41.
41
Próximo.
Barndor FF-Nielsen, la OE y N. Shephard (2001). a base de Ornstein-Uhlenbeck no gaussiana
modelos y algunos de sus usos en la economía fi nancieros (con discusión). Revista de la
Royal Statistical Society, Serie B 63, 167-241.
Barndor FF-Nielsen, la OE y N. Shephard (2002). El análisis econométrico de volatilidad realizada
y su uso en la estimación de modelos de volatilidad estocástica. Revista de la Royal Statistical
Sociedad, Series B 64, 253-280.
Barndor FF- Nielsen, OE y N. Shephard (2003a). variación de potencia y el cambio de hora. Unpub-
cado de papel: FFI Nu campo College, Oxford.
Barndor FF- Nielsen, OE y N. Shephard (2003b). variación de potencia realizado y estocástico
volatilidad. Bernoulli 9, 243-265. Corrección está disponible en www.levyprocess.org.
Barndor FF- Nielsen, OE y N. Shephard (2004a). El análisis econométrico de covaria- dado cuenta
ción: alta frecuencia de covarianza, regresión y correlación en economía financieros. ces
metrica 72. Próximo.
Barndor FF- Nielsen, OE y N. Shephard (2004b). ¿Qué tan precisa es la aproximación asintótica
Tion a la distribución de la volatilidad observada? En DWK Andrews, J. Powell, PA Ruud,
y JH de la (Eds.), Identi fi cación y la inferencia para modelos econométricos. Un Festschrift
en honor de TJ Rothenberg. Cambridge: Cambridge University Press. Próximo.
Barndor FF- Nielsen, OE y N. Shephard (2004c). variación de potencia y en doble nivel con stochas-
la volatilidad de tic y saltos (con discusión). Diario de Econometría Financiera 2. Forthcom-
En g.
Bates, D. (1996). Saltos y volatilidad estocástica: procesos de tipo de cambio implícito en la Deutsche
Opciones Marcos. Revisión de Estudios Financieros 9, 69-107.
Negro, F. (1976). Estudios de los cambios de volatilidad de precios de acciones. Actas de la Empresa y
Estadísticas Sección Económica, Asociación Americana de Estadística, 177-181.
Bollerslev, T. y H. Zhou (2002). La estimación de la volatilidad estocástica derrame di ff usando condicional
momentos de volatilidad integrado. Journal of Econometrics 109, 33-65.
Carr, P. y L. Wu (2003). L'evy procesos y valoración de opciones de tiempo-cambiado. Diario de
Economía Financiera. Próximo.
Chamberlain, G. (1988). valoración de activos en los mercados de valores distintos períodos. Econometrica 56,
1283-1300.
42
Chernov, M., AR Gallant, E. Ghysels, y G. Tauchen (2003). Los modelos alternativos de acciones
dinámica de los precios. Journal of Econometrics 116, 225-257.
Comte, F. y E. Renault (1998). La memoria a largo en tiempo continuo mo- volatilidad estocástica
els. Matemática Financiera 8, 291-323.
Curci, G. y F. Corsi (2003). Un enfoque de transformación sinusoidal discreta para volatilidad realizada
medición. Documento inédito, presentado en la conferencia de la volatilidad observada, Mon-
treal, 7 de noviembre, 2003.
Dacorogna, MM, R. Gencay, UA m Müller, RB Olsen, y OV Pictet (2001). Un
Introducción a la Hacienda de alta frecuencia. San Diego: Academic Press.
Delattre, S. y J. Jacod (1997). Un teorema del límite central para las funciones normalizadas de la
incrementos de un proceso usion di ff en la presencia de errores o FF redondos. Bernoulli 3, 1-28.
Doornik, JA (2001). Buey: Programación Orientada a Objetos Matrix, 3.0. Londres: Timberlake
Consultores Press.
Ederington, L. y JH Lee (1993). Cómo mercados proceso de información: Los comunicados de prensa y
volatilidad. Journal of Finance 48, 1161-1191.
Eraker, B., M. Johannes, y NG Polson (2003). El impacto de los saltos en los rendimientos y
volatilidad. Journal of Finance 53, 1269-1300.
García, R., E. Ghysels, y E. Renault (2003). La econometría de valoración de opciones. En Y. AIT-
Sahalia y LP Hansen (Eds.), Manual de Econometría Financiera. Holanda del Norte.
Próximo.
Ghysels, E., CA Harvey, y E. Renault (1996). volatilidad estocástica. En CR Rao y GS
Maddala (Eds.), Métodos Estadísticos de Finanzas, pp. 119-191. Amsterdam: North-Holland.
Gloter, A. y J. Jacod (2000a). los derrames Di ff con errores de medición. I - asintótica locales
normalidad. Documento inédito, Laboratoire de probabilités y Modeles Aleatoires, nú-
ber 623.
Gloter, A. y J. Jacod (2000b). los derrames Di ff con errores de medición. II - inferencia óptima.
Documento inédito, Laboratoire de probabilités y Modeles Aleatoires.
Hansen, PR y A. Lunde (2003). Una medida óptima e imparcial de la varianza realizada
basado en datos de alta frecuencia intermitente. Documento inédito, presentado en la Realizada
conferencia de la volatilidad, Montreal, 7 de noviembre, 2003.
Huang, X. y G. Tauchen (2003). La contribución relativa de saltos a la variación del precio total.
Documento inédito: Departamento de Economía, Universidad de Duke.
43
Jacod, J. y AN Shiryaev (1987). Teoremas límite para procesos estocásticos. Springer-Verlag:
Berlina.
Johannes, M. (2003). La función estadística y económica de saltos en el interés de tiempo continuo
modelos de tasas. Diario de Hacienda. Próximo.
Mancini, C. (2003a). Estimación de las características de salto de un general y siguientes de Poisson-difusi on
proceso. Dipartimento di Matematica per le Decisioni, Universidad de Florencia.
Mancini, C. (2003b). Estadísticas de un proceso de Poisson-Gauss. Dipartimento di Matematica
per le Decisioni, Universidad de Florencia.
Martens, M. (2003). Estimar covarianzas imparciales y precisas realizadas. Documento inédito,
presentado en la conferencia volatilidad realizada, Montreal 7 º noviembre, 2003.
Nelson, DB (1991). heteroscedasticidad condicional en la valoración de activos: un nuevo enfoque. ces
metrica 59, 347-370.
Protter, P. (1990). Estocástico Integración y Ecuaciones diferenciales Di ff: un nuevo enfoque. Nuevo
York: Springer-Verlag.
Shiryayev, AN (1981). Martingalas: desarrollos recientes, resultados y aplicaciones. interna-
cional de Estadística viajeros 49, 199-233.
Woerner, J. (2003). Estimación de la volatilidad integrado en los modelos de volatilidad estocástica. Unpub-
cado de papel: OCIAM, Instituto de Matemáticas de la Universidad de Oxford.
Zhang, L., P. Mykland, y Y. Ait-Sahalia (2003). La historia de dos escalas de tiempo: determinar
volatilidad integrada con datos de alta frecuencia ruidosos. Documento inédito presentado en el
Realizado conferencia de volatilidad, Montreal, 8 de noviembre de 2003.
44

200311-JumpEcon-NielsenShephard-AarhusOxford (1) .En - Es PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

200311-JumpEcon-NielsenShephard-AarhusOxford (1) .En - Es PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Econometría de la prueba para los saltos en la economía fi nanciera

utilizando la variación en doble nivel

Gallant, Ghysels, y Tauchen (2003) y el de Markov, el análisis no paramétrico de Ait-Sahalia

basado en una suposición fi tting enfermo.

ación, volatilidad realizada y las variaciones realizadas se discutió en independiente y concurrente

y Renault (1998). Fue desarrollado más adelante en el contexto de la metodología de la previsión de

para una encuesta incisiva de esta zona y referencias a trabajos relacionados.

componentes individuales de variación cuadrática en que, debido a la parte continua de precios y

anuncios por parte de las agencias gubernamentales.

Un subproducto de nuestra investigación es un apéndice que registra una prueba de la consistencia de

variación y BPV. En la sección 3 daremos el teorema principal del trabajo, que es el

pruebas de los principales resultados en el papel se dan en el Apéndice.

2 Definiciones y trabajo previo

Extensiones para hacer frente al caso multivariante se discuten en la Sección 7. Asumimos y *

martingalas, mientras metro * do denota la componente continua de metro *.

2,2 variación cuadrática

Para todos y * ∈ SM la variación cuadrática ( QV proceso) puede ser definida como

[ y *] ( t) = pag - lim { y * ( t j + 1) - y * ( t j)} 2, (1)

con sup j { t j + 1 - t j} → 0 para METRO → ∞. Es bien sabido que

= [ metro * do]( t) + [Y * re]( t), (2)

donde Δ y * ( t) = y * ( t) - y * ( t -) son los saltos en el proceso. (2) significa que el QV de y *

núcleo de nuestro enfoque de las pruebas de saltos.

de tiempo de longitud δ> 0. El proceso resultante es

y j = y * ( jδ) - y * (( j - 1) δ) , j = 1, 2, ..., segundo t / δ c.

los variación cuadrática dado cuenta proceso es

la QV del proceso discretizado. Es evidente que la teoría significa que QV

2,3 variación Bipower

De fi nición 1 y * es un miembro de la volatilidad estocástica más actividad finito salto semimartingale

y * ∈ SVJ. Si ambos N = α * = 0 entonces y * ∈ SV.

Barndor FF- Nielsen y Shephard (2004c) mostraron que si y * ∈ SVJ y σ es independiente de

estructura de NORTE, la distribución de los saltos o la relación entre el proceso y el salto

análisis para permitir α * 6 = 0. Esta conjetura se demostrará en la sección siguiente.

Barndor FF- Nielsen y Shephard (2004c) señalan que

Esto se puede estimar consistentemente

[ yδ]* ( t) - μ - 2 1{ y* δ} [ 1,1] ( t).

los componentes continuos y discontinuos de QV o, si aumentada con el apropiado

componentes salto es Mancini (2003a) y Mancini (2003b). Lo hace a través de la introducción de

va al infinito. Siguiendo Barndor FF-Nielsen y Shephard (2004c), Woerner (2003) ha estudiado

la robustez de variación de potencia dado cuenta δ 1 - r / 2 Σ segundo t / δ c- 1 j=1

estimación de los derrames ff salto-di homocedásticos.

3 Una teoría para la prueba de saltos

3.1 pruebas inviable

En esta sección damos la contribución principal del trabajo, el Teorema 1. Se da la asintótica

distribución para una salto lineal estadística, SOL, Residencia en

y una relación de salto estadística, H, Residencia en 1

inviable. Vamos a superar este problema en la siguiente subsección.

está acotada lejos de 0 y el infinito, de manera uniforme en j y δ.

(segundo) El proceso media α * satis es fi, (PathWise) como δ ↓ 0,

Recordemos la definición μ 1 = √ 2 / √ π en (5) y dejar

θ = (π 2 / 4) + π - 5 ' 0,6090. (7)

Además, si y * ∈ SVJSM do y ( C.A) mantener, a continuación,

descartar saltos, refleja ff e-diurnos, la memoria a largo o roturas en el proceso de la volatilidad.

este resultado en el caso en α * = 0.

j + 1 con + Q j dónde q es cualquier número entero positivo noche pero fi.

limitación del resultado.

(V) Resultado (10) significa que bajo la hipótesis alternativa de saltos

3.2 Pruebas factibles

es el estimador robusto llama variación quadpower dado cuenta

hipótesis. A partir de ahora nos centraremos únicamente en el caso quadpower.

Por otro lado el prueba de salto relación estadística, ̂ H, define como 2

debajo SVJSM. ̂ ρ 1 ( t) una correlación como medida entre | y j | y | y j + 1 |. Converge a

distribución bajo la hipótesis nula sigue trivialmente a partir de (12).

4 series de tiempo de las cantidades realizadas

[ y ] ( t) = pag - lim { y ( t j + 1) - y * ( t j)} 2, (1)