文献

J-GLOBAL ID：201202295260219887   整理番号：12A0783759

急変を斟酌した変動プロセスのl₁罰則付き尤度平滑化とセグメンテーション

l₁-Penalized Likelihood Smoothing and Segmentation of Volatility Processes Allowing for Abrupt Changes

著者 (3件)： NETO David (Univ. Geneve, Geneva, CHE) ,  SARDY Sylvain (Univ. Geneve, Geneva, CHE) ,  TSENG Paul (Univ. Washington, WA)
資料名： Journal of Computational and Graphical Statistics  (Journal of Computational and Graphical Statistics)
巻： 21  号： 1  ページ： 217-233  発行年： 2012年03月 
JST資料番号： W2313A  ISSN： 1061-8600  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 金融資産の変動プロセスは滑らかで場合によっては安定するが,市場関係のニュースによって小から大のジャンプがある。本論文では,過去,現在,将来の資産のリスクを評価するために定期的な時間間隔で観測された金融資産の値(金融時系列)から変動を予測する方法を検討した。まず,変動に関する時間的な滑らかさを強化するために基本となる変動をMarkov確率場でモデル化し,変動の事後分布を導出することでl₁SVM(Stochastic Volatility Model)最大事後確率推定を定義した。GARCH(Generalized Autoregressive Conditional Heeroskedasticity)モデルとは対照的にこの推定量はセミパラメトリックでデータに柔軟に適合する利点がある。また,l₁SVM推定量のl₁罰則付き最尤法定式化はMarkov確率場やウェーブレットによる平滑化といったノンパラメトリックな関数推定技術と関係があり,平滑化パラメータの選択のためにウェーブレット平滑化から取り入れた一般法則を導出した。さらに,時系列の長さをTとするときO(T^3/2)の計算量を持つ内点アルゴリズムを用い,本推定量が効率的に計算できることを示した。ダウ・ジョーンズ,NASDAQ,S&P500といった現実の金融データに適用し,対象期間が長い場合には対数正規SVMやGARCHの予測性能を凌ぐことを確かめた。

シソーラス用語： *リスク評価 ,  *時系列分析 ,  時系列 ,  *Markov連鎖 ,  比率 ,  事後確率 ,  自己回帰モデル ,  *計算量 ,  アルゴリズム ,  *内点法 ,  ペナルティ関数 ,  セグメンテーション ,  変動
準シソーラス用語： Markov確率場 ,  ボラティリティ ,  金融資産

分類 (4件)： 利益管理  (KA05030A) ,  システム・制御理論一般  (IA02010H) ,  計算理論  (JB02000A) ,  数値計算  (JE02000J)

タイトルに関連する用語 (7件)： 急変 ,  プロセス ,  L1 ,  罰則 ,  尤度 ,  平滑化 ,  セグメンテーション