Nye metoder for statistisk inferens i en klasse av stokastiske volatilitetsmodeller for finansielle data

Sammendrag av Discussion Paper 601, Indirect inference methods for stochastic volatility models based on non-Gaussian Ornstein-Uhlenbeck processes:

I denne artikkelen utvikles nye metoder for statistisk inferens i en klasse av stokastiske volatilitetsmodeller for finansielle data basert på ikke-normalfordelte Ornstein-Uhlenbeck (OU) prosesser. Vår metode er basert på indirekte inferens: Først maksimeres en kvasilikelihood-funksjon for de faktiske data. Denne kvasilikelihood-funksjonen er utledet fra en approksimativ Gaussisk tilstandsmodell-representasjon av den OU-baserte modellen. Deretter gjøres simuleringer fra den data-genererende OU-modellen for forskjellige parameterverdier. Den indirekte inferens-estimatoren av en parameter er verdien av parameteren som gir best "match" mellom kvasi-likelihood estimatoren for de faktiske data og kvasi-likelihood estimatoren for de simulerte data. Vi anvender denne metoden på daglige Euro/NOK og US Dollar/NOK valutakurser for perioden 1.7.1989 til 15.12.2008. Artikkelen følges av en R-pakke, med grensesnitt mot C++ kode, som kan lastes ned fra prosjekts internettside http://folk.uio.no/skare/SV/ .

 

Mer informasjon:

Address:

Arvid Raknerud, Statistics Norway, Research Department. E-mail: rak@ssb.no Øivind Skare, Norwegian Institute of Public Health and University of Bergen, Department of Public Health and Primary Health Care. E-mail: oivind.skare@medisin.uio.no

Download publication in fulltext:

• dp601.pdf Publication in Adobe Acrobat format