Bipower variation: guida alla volatilità realizzata robusta ai salti

La varianza realizzata ad alta frequenza somma i quadrati dei rendimenti logaritmici intraday. Se l’intervallo di campionamento si riduce in un modello di semimartingala adeguato, RV converge alla variazione quadratica. Quando il percorso del prezzo comprende sia una diffusione continua sia salti, il limite include la varianza integrata e la somma dei salti al quadrato. RV misura quindi la variazione totale ex post, ma da sola non indica quale quota proviene dal movimento continuo e quale dalle discontinuità.

La bipower variation usa un elemento diverso: anziché elevare al quadrato un rendimento, moltiplica i valori assoluti di due rendimenti vicini. Nel modello limite, un salto isolato ricade in genere in un intervallo di rendimento, mentre quello adiacente è solitamente un piccolo incremento di diffusione. Man mano che la griglia si infittisce, il prodotto che coinvolge il salto e il rendimento vicino si riduce; i prodotti dei rendimenti di diffusione adiacenti continuano invece ad accumulare la variazione continua. Barndorff-Nielsen e Shephard hanno introdotto l’uso di power variation e bipower variation per separare, sotto modelli specifici, la varianza integrata dalla variazione dovuta a salti rari (Barndorff-Nielsen & Shephard, 2004).

L’obiettivo è la varianza integrata storica \(\int_0^T \sigma_t^2\,dt\), non una previsione della volatilità del periodo successivo. La guida al calcolo della volatilità realizzata illustra la misura basata sui rendimenti al quadrato; qui spieghiamo perché i prodotti di rendimenti assoluti adiacenti reagiscono diversamente ai salti.

Consideriamo un processo di prezzo logaritmico su una finestra fissa:

\[ X_t=X_0+\int_0^t b_s\,ds+\int_0^t \sigma_s\,dW_s+J_t, \]

dove il termine dopo \(X_0\) è un drift a variazione finita, \(\sigma_t\) la volatilità istantanea della diffusione e \(J_t\) la componente di salto. La variazione quadratica si scompone in

\[ [X]_T=\int_0^T \sigma_t^2\,dt+\sum_{0<t\leq T}(\Delta X_t)^2, \]

con \(\Delta X_t=X_t-X_{t-}\). Il primo componente è la varianza integrata continua; il secondo è la variazione dovuta ai salti. Ogni salto contribuisce con il proprio quadrato, sia positivo sia negativo. La guida alla variazione quadratica in finanza spiega perché questa quantità riferita al percorso differisce dalla varianza di un insieme di prezzi statici.

Con \(n\) rendimenti logaritmici intraday \(r_i=X_{i\Delta}-X_{(i-1)\Delta}\), dove \(\Delta=T/n\), la varianza realizzata è

\[ RV_n=\sum_{i=1}^{n}r_i^2. \]

Quando gli intervalli si riducono alle condizioni usuali di semimartingala, \(RV_n\) stima l’intera variazione quadratica, inclusi i salti. Senza l’ipotesi di assenza di salti, chiamare RV «volatilità continua» significa quindi mescolare due obiettivi.

Sia \(Z\) una variabile normale standard e \(\mu_1=E|Z|=\sqrt{2/\pi}\). Una convenzione comune per la bipower variation realizzata è

\[ BV_n=\mu_1^{-2}\frac{n}{n-1}\sum_{i=2}^{n}|r_i||r_{i-1}| =\frac{\pi}{2}\frac{n}{n-1}\sum_{i=2}^{n}|r_i||r_{i-1}|. \]

Il fattore \(\pi/2\) normalizza il prodotto di incrementi gaussiani assoluti alla scala della varianza continua. Il fattore \(n/(n-1)\) corregge gli estremi per i campioni piccoli secondo una convenzione diffusa; alcune definizioni lo omettono perché tende a uno quando \(n\) cresce. Specifica la convenzione quando confronti i risultati.

La somma usa coppie adiacenti sovrapposte: il rendimento 2 viene abbinato all’1, il 3 al 2 e così via. Non classifica ogni osservazione come «salto» o «assenza di salto». Il risultato asintotico si basa invece sul fatto che, con salti di attività finita, solo un numero finito di piccoli intorni contiene un salto quando la griglia diventa più fitta, mentre i prodotti dei rendimenti di diffusione vicini generano il limite della varianza integrata continua. La teoria dei limiti ammette un ampio comportamento della volatilità stocastica, compresa la dipendenza di tipo leva, sotto le proprie ipotesi (Barndorff-Nielsen et al., 2006).

<!-- learn:illustration -->

Supponiamo che una sessione ipotetica contenga sette rendimenti logaritmici espressi in punti base:

Supponiamo che il quarto rendimento contenga un salto ipotetico di \(+12\) bp e che il movimento continuo in quell’intervallo sia trascurabile. Allora

\[ RV_7=1+1+0.01+144+0.01+1+1=148.02\ \mathrm{bp}^2. \]

La somma dei sei prodotti dei valori assoluti adiacenti è \(4.60\ \mathrm{bp}^2\). Con la convenzione corretta agli estremi descritta sopra,

\[ BV_7=\frac{\pi}{2}\frac{7}{6}(4.60)\approx 8.42994\ \mathrm{bp}^2, \qquad RV_7-BV_7\approx139.59006\ \mathrm{bp}^2. \]

Il quadrato del salto inserito è \(12^2=144\ \mathrm{bp}^2\). La differenza non è esattamente 144: i prodotti adiacenti al salto includono termini \(12\times0.1\), e un campione di sette rendimenti presenta anche la normale variabilità da campione finito. Questo piccolo esempio inventato rende verificabili i calcoli; non è costituito da dati di mercato osservati e non sostiene che la differenza su una finestra breve recuperi con precisione la variazione da salti.

Il risultato standard di consistenza è condizionato. In una semimartingala con volatilità stocastica continua e un numero finito di salti nella finestra, BV converge alla varianza integrata continua quando si osserva a intervalli via via più brevi e senza rumore di microstruttura. Nello stesso quadro, \(RV_n-BV_n\) converge alla somma dei salti al quadrato. È una separazione asintotica, non una garanzia per ogni serie di rendimenti o griglia finita.

L’ipotesi di attività finita è importante. Con molti salti piccoli o attività infinita, la variazione da salti può contribuire in modo non trascurabile ai prodotti assoluti adiacenti; il risultato standard di BV potrebbe non isolare soltanto la componente browniana. Possono servire estensioni, troncamenti o test diversi, ciascuno con ipotesi proprie. Aït-Sahalia e Jacod sviluppano un test di salti ad alta frequenza distinto, applicabile a una classe più ampia di semimartingale: è un quadro di test alternativo, non la prova che la BV ordinaria gestisca ogni processo con salti (Aït-Sahalia & Jacod, 2009).

Conta anche il disegno delle osservazioni. I rendimenti devono riferirsi alla stessa finestra e a una serie di prezzi difendibile. Intervalli radi, quote obsolete, negoziazione asincrona, lacune notturne e salti vicini ai confini della sessione indeboliscono l’interpretazione di una griglia fine. Campionare più spesso aiuta solo se le osservazioni si avvicinano al prezzo efficiente latente invece di aggiungere altro rumore di microstruttura.

Nel modello asintotico senza rumore con salti di attività finita, RV meno BV stima la variazione da salti. In un campione finito la differenza può essere negativa, anche se la somma dei salti al quadrato non può esserlo. Questo accade perché RV e BV sono stime rumorose di limiti diversi. Non sostituire silenziosamente i valori negativi con zero: il troncamento cambia il comportamento campionario dello stimatore e va dichiarato come regola esplicita.

Un test statistico pone una domanda diversa: lo scarto osservato è grande rispetto alla sua incertezza campionaria sotto l’ipotesi nulla di assenza di salti? Barndorff-Nielsen e Shephard derivano test asintotici basati su power variation realizzata e bipower variation. Le versioni applicabili stimano la quarticità pertinente, spesso con misure multipower, invece di trattare la differenza grezza come soglia di significatività (Barndorff-Nielsen & Shephard, 2006). La threshold bipower variation è stata poi sviluppata per ridurre la distorsione da salti nei campioni finiti e supportare l’inferenza sotto alternative con salti (Corsi, Pirino & Reno, 2010).

Anche un salto rilevato resta una classificazione statistica basata su un modello, una frequenza di campionamento e un livello di significatività scelti. Non identifica la causa informativa, non prova che un operatore potesse eseguire al prezzo registrato e non dimostra una strategia redditizia.

La BV classica non è uno stimatore ad alta frequenza robusto al rumore. Con un prezzo osservato \(Y_{t_i}=X_{t_i}+\epsilon_{t_i}\), bid-ask bounce, arrotondamenti e aggiornamenti delle quotazioni aggiungono rumore a ogni rendimento. Poiché BV moltiplica i valori assoluti di rendimenti adiacenti, il rumore non scompare solo perché la formula usa prodotti vicini. Con campionamento molto fitto, il suo contributo può diventare più importante.

Questo è un problema diverso dai salti. I realized kernel e la two-scale realized variance stimano la volatilità in presenza di rumore di microstruttura con costruzioni differenti; non sono intercambiabili con BV ordinaria, e la robustezza al rumore non implica quella ai salti. La guida ai realized kernel illustra uno di questi metodi incentrati sul rumore.

Se la domanda di ricerca richiede di gestire sia rumore sia salti, usa un metodo sviluppato per entrambe le caratteristiche e dichiarane le condizioni. Podolskij e Vetter propongono una modulated bipower variation per osservazioni rumorose e costruiscono versioni robuste a salti di attività finita: è uno stimatore modificato, non la formula non corretta riportata sopra (Podolskij & Vetter, 2009). Le alternative pratiche possono includere campionamento meno frequente, pre-averaging, misure con soglia o uno stimatore robusto al rumore. Ogni scelta modifica l’estimando, i parametri di regolazione o il calcolo dell’incertezza.

Sotto le proprie ipotesi, BV stima una componente storica della varianza integrata continua. RV stima la variazione quadratica totale di un percorso con salti. La differenza può stimare asintoticamente la variazione quadratica da salti. Nessuna di queste quantità è automaticamente una previsione, un limite di rischio o un segnale d’ingresso. Un modello previsionale può usare RV e BV passate come predittori distinti, ma il valore predittivo va valutato fuori campione controllando il momento in cui l’informazione è disponibile e i costi di negoziazione.

La radice quadrata di una stima di varianza diventa una misura di volatilità solo quando finestra temporale e unità sono chiare. Se i rendimenti sono in punti base, la varianza è in bp² e la radice in bp per la finestra campionata. L’annualizzazione richiede un’ipotesi esplicita di scala temporale; moltiplicare per un fattore di calendario non elimina salti, rumore di microstruttura o scelte di misurazione delle ore notturne. La guida al rischio di salto spiega perché i movimenti discontinui contano per l’esposizione di copertura, ma non trasforma una scomposizione storica di BV in un’istruzione di trading.

Indica l’attività, l’input di prezzo (transazioni, quotazioni o punto medio), la definizione del rendimento, la frequenza di campionamento, i confini della sessione e il trattamento di intervalli notturni e osservazioni mancanti. Riporta le formule di RV e BV, la convenzione di normalizzazione per campioni finiti, il numero di rendimenti e le unità. Se calcoli \(RV-BV\), mostra la differenza grezza e dichiara se hai applicato soglie, troncamenti o un limite inferiore pari a zero.

Spiega quale modello sostiene l’interpretazione: volatilità stocastica continua con salti di attività finita oppure un modello di salti più ampio con uno stimatore diverso. Dichiara eventuali correzioni del rumore di microstruttura, statistica del test dei salti, stima della quarticità, livello di significatività e correzioni per test multipli. Affianca alla scomposizione una misura d’incertezza.

L’utilità della bipower variation è che i prodotti di rendimenti assoluti adiacenti mantengono un limite per la variazione continua e riducono l’effetto asintotico dei salti isolati di attività finita. I limiti devono restare espliciti: la formula standard non è un filtro universale per i salti, un test di significatività o una correzione del rumore di microstruttura. Mantieni queste precisazioni in ogni uso per la ricerca o l’analisi del rischio.