2 votos

¿Cómo transformar los parámetros de Ornstein-Uhlenbeck de horarios a diarios?

Obtengo los parámetros (media a largo plazo, volatilidad, velocidad de reversión de la media, correlación) de dos procesos Ornstein-Uhlenbeck correlacionados mediante una estimación de verosimilitud a partir de datos horarios. Si quiero transformarlos para utilizarlos para crear una simulación diaria -en lugar de horaria- (árbol o Monte Carlo), ¿qué tengo que hacer? Gracias de antemano.

0 votos

¿podría ser más preciso? ¿quiere simular la media de un día? o sólo una simulación diaria del precio por hora (por ejemplo el de las 15 horas)?

0 votos

Así que los procesos están correlacionados con dW1 * dW2 = rho* dt. Los dos procesos O-U son dX1 = k1*(mu1-X1)*dt + sigma1 * dW1 y dX2 = k2*(mu2-X2)*dt + sigma2 * dW2. Obtengo los parámetros y quiero construir un entramado cuadrinomial (árbol binomial de 2 dimensiones) que tenga una resolución de días (= un nodo describe la probabilidad de que los dos precios estén en un punto determinado en ese día) en lugar de horas. Es decir, no quiero la media de un día ni la simulación diaria del precio de las 15 horas, sino la simulación de, por ejemplo, el precio medio esperado para cada día a lo largo de 365 días. ¿Ayuda esto?

0 votos

Por hora o por día, los parámetros no deberían cambiar. Como señaló @MJ73550, es similar a una simulación con pasos de tiempo horarios o diarios, donde los parámetros se mantienen iguales.

1voto

James B Puntos 206

Puede agregar sus datos horarios iniciales para obtener datos diarios y volver a estimar los parámetros, y luego simular. Alternativamente, con sus parámetros ya obtenidos, puede simular datos horarios y hacer una agregación posterior a la simulación para tener datos diarios.

0 votos

¿No hay manera de trabajar a través de los parámetros? ¿Un proceso que se representa en pasos horarios no tiene la misma velocidad de reversión media y volatilidad que el mismo proceso que se representa en pasos diarios, por ejemplo?

0 votos

No lo creo. La dinámica de un proceso horario puede ser muy diferente a la del diario. Así que, en mi opinión, deberías actuar como he dicho antes.

0 votos

@simmy He publicado una pregunta relacionada con tu respuesta. Por favor, echa un vistazo: quant.stackexchange.com/questions/26142/

1voto

mfraser Puntos 71

Dejemos que $X^h$ sea su proceso horario

Dejemos que $X^d$ sea su proceso diario

Dejemos que $\delta$ ser un día

tienes

$$X^d_t=\frac{1}{\delta}\int_{t-\delta}^{t}X^h_s ds$$

$$dX^h_t = a(b-X^h_t)dt + \sigma dB_t$$

$$\Delta X^d_t := X^d_{t+\delta}-X^d_t =\frac{1}{\delta}\int_{t-\delta}^t\left(X^h_{u+\delta}-X^h_{u}\right)du$$

por lo que es una variable aleatoria gaussiana por los resultados conocidos en OU.

Se puede expresar y calcular $Cov(\Delta X^{d}_{k\delta},\Delta X^d_{j\delta})$

Así podrá concluir.

Detalles

por los resultados conocidos :

$$X^h_{t+\delta}-X^h_t=(b-X_{t})(1-e^{-a\delta})+\int_{t}^{t+\delta}e^{a(u-t)}dB_u$$

Así que..:

$$\begin{split} X^d_{t+\delta}-X^d_t &= (b-X^d_t)(1-e^{-2a\delta})+\int_{t-\delta}^{t}\frac{1}{\delta}\int_{u}^{u+\delta}e^{a(s-u)}dB_s du \\ & = (b-X^d_t)(1-e^{-2a\delta})+\int_{t}^{t+\delta}\frac{1}{\delta}\int_{u-\delta}^{u}e^{a(s-u+\delta)}dB_s du \\ \end{split} $$

0 votos

Gracias. Hm .. ¿Qué es la X en la última línea? (No es diario o por hora?.) Desafortunadamente no soy tan fuerte en el cálculo estocástico.. ¿te importaría compartir la derivación?

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X