Bipower variation: entenda a volatilidade realizada robusta a saltos

A variância realizada de alta frequência soma os quadrados dos retornos logarítmicos intradiários. À medida que o intervalo de amostragem diminui sob um modelo semimartingale adequado, RV converge para a variação quadrática. Se a trajetória do preço inclui tanto difusão contínua quanto saltos, esse limite contém a variância integrada e a soma dos saltos ao quadrado. Portanto, RV é uma medida útil da variação total ex post, mas sozinha não informa quanto veio do movimento contínuo e quanto veio de descontinuidades.

A bipower variation muda a unidade de construção: em vez de elevar um retorno ao quadrado, multiplica os valores absolutos de dois retornos vizinhos. No modelo limite, um salto isolado normalmente aparece em um intervalo de retorno, enquanto o retorno adjacente costuma ser um pequeno incremento de difusão. Conforme a grade fica mais fina, o produto que contém o salto e seu vizinho diminui; os produtos de retornos de difusão adjacentes continuam acumulando a variação contínua. Barndorff-Nielsen e Shephard introduziram o uso de power variation e bipower variation para separar a variância integrada da variação causada por saltos raros, sob modelos especificados (Barndorff-Nielsen & Shephard, 2004).

O objetivo é a variância integrada histórica \(\int_0^T \sigma_t^2\,dt\), não uma previsão da volatilidade do próximo período. O guia de cálculo da volatilidade realizada explica a medida baseada em retornos ao quadrado; este artigo mostra por que produtos de retornos absolutos adjacentes respondem de outro modo aos saltos.

Considere um processo de log-preço em uma janela fixa:

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

em que o primeiro termo após \(X_0\) é um drift de variação finita, \(\sigma_t\) é a volatilidade instantânea da difusão e \(J_t\) é o componente de saltos. A variação quadrática desse processo se decompõe em

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

com \(\Delta X_t=X_t-X_{t-}\). O primeiro componente é a variância integrada contínua; o segundo é a variação dos saltos. Cada salto contribui com seu tamanho ao quadrado, seja positivo ou negativo. O guia de variação quadrática em finanças explica por que essa quantidade da trajetória difere da variância de um conjunto de preços estáticos.

Com \(n\) retornos logarítmicos intradiários \(r_i=X_{i\Delta}-X_{(i-1)\Delta}\), em que \(\Delta=T/n\), a variância realizada é

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

Quando a malha diminui sob as condições usuais de semimartingale, \(RV_n\) estima toda a variação quadrática, inclusive os saltos. Sem assumir que não há saltos, chamar RV de “volatilidade contínua” em um relatório mistura dois objetivos.

Seja \(Z\) uma variável normal padrão e \(\mu_1=E|Z|=\sqrt{2/\pi}\). Uma convenção comum para a bipower variation realizada é

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

O fator \(\pi/2\) normaliza o produto de incrementos gaussianos absolutos para a escala da variância contínua. O fator \(n/(n-1)\) é uma correção de borda para amostras pequenas usada em uma convenção comum; algumas definições o omitem porque tende a um quando \(n\) cresce. Informe a convenção utilizada ao comparar resultados.

A soma usa pares adjacentes sobrepostos: o retorno 2 é pareado com o retorno 1, o retorno 3 com o retorno 2, e assim por diante. Ela não classifica cada observação como “salto” ou “sem salto”. O resultado assintótico depende de que, sob saltos de atividade finita, apenas um número finito de pequenas vizinhanças contém saltos à medida que a grade fica mais fina, enquanto os produtos de retornos de difusão vizinhos geram o limite da variância integrada contínua. Sob as hipóteses da teoria, são permitidos padrões amplos de volatilidade estocástica, inclusive dependência do tipo alavancagem (Barndorff-Nielsen et al., 2006).

<!-- learn:illustration -->

Suponha que uma sessão hipotética tenha sete retornos logarítmicos expressos em pontos-base:

Considere que o quarto retorno contém um salto hipotético de \(+12\) bp, com movimento contínuo desprezível nesse intervalo. Então,

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

A soma dos seis produtos absolutos adjacentes é \(4.60\ \mathrm{bp}^2\). Com a convenção indicada, corrigida nas bordas,

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

O quadrado do salto inserido é \(12^2=144\ \mathrm{bp}^2\). A diferença não é exatamente 144: os produtos adjacentes ao salto incluem termos \(12\times0.1\), e uma amostra de sete retornos também tem variação comum de amostra finita. Este pequeno exemplo inventado torna a conta verificável; não são dados de mercado observados nem uma afirmação de que a diferença em uma janela curta recupera a variação dos saltos com precisão.

O resultado padrão de consistência é condicional. Em uma semimartingale com volatilidade estocástica contínua e número finito de saltos na janela, BV converge para a variância integrada contínua quando as observações ficam cada vez mais frequentes e não há ruído de microestrutura. Na mesma configuração, \(RV_n-BV_n\) converge para a soma dos saltos ao quadrado. Trata-se de uma separação assintótica, não de uma garantia para toda série de retornos ou toda grade finita.

A condição de atividade finita importa. Com muitos saltos pequenos ou atividade infinita de saltos, a variação dos saltos pode contribuir de forma não desprezível para os produtos absolutos adjacentes; o resultado padrão de BV pode deixar de isolar apenas o componente browniano. Extensões, truncamento ou outros testes de saltos podem ser necessários, cada qual com suas hipóteses. Aït-Sahalia e Jacod desenvolvem um teste de saltos de alta frequência distinto, com escopo mais amplo para semimartingales; é uma estrutura de teste alternativa, não uma prova de que a BV comum lida com todo processo com saltos (Aït-Sahalia & Jacod, 2009).

O desenho das observações também importa. Os retornos devem corresponder a uma janela comum e a uma série de preços defensável. Intervalos esparsos, cotações antigas, negociação assíncrona, lacunas noturnas e saltos próximos aos limites da sessão enfraquecem a interpretação de uma grade fina. Amostrar com maior frequência só ajuda se as observações se aproximarem do preço eficiente latente, sem acrescentar mais ruído de microestrutura.

No modelo assintótico sem ruído e com saltos de atividade finita, RV menos BV estima a variação dos saltos. Em uma amostra finita, a diferença pode ser negativa, embora a soma dos saltos ao quadrado não possa ser negativa. Isso ocorre porque RV e BV são estimativas ruidosas de limites diferentes. Não transforme valores negativos em zero sem informar: o truncamento altera o comportamento amostral do estimador e deve ser declarado como regra explícita.

Um teste estatístico responde a outra pergunta: a diferença observada é grande em relação à incerteza amostral sob uma hipótese nula sem saltos? Barndorff-Nielsen e Shephard derivam testes assintóticos baseados em realized power variation e bipower variation. Versões aplicáveis estimam a quarticidade pertinente, muitas vezes com medidas multipower, em vez de tratar a diferença bruta como limite de significância (Barndorff-Nielsen & Shephard, 2006). A threshold bipower variation foi desenvolvida depois para reduzir distorções de saltos em amostras finitas e apoiar inferência sob alternativas com saltos (Corsi, Pirino & Reno, 2010).

Mesmo um salto detectado continua sendo uma classificação estatística baseada em modelo, frequência de amostragem e nível de significância escolhidos. Ele não identifica uma causa noticiosa, não prova que um operador conseguiria executar pelo preço registrado e não demonstra uma estratégia lucrativa.

A BV clássica não é um estimador de alta frequência robusto a ruído. Com preço observado \(Y_{t_i}=X_{t_i}+\epsilon_{t_i}\), o bid-ask bounce, o arredondamento e as atualizações de cotações acrescentam ruído a cada retorno. Como BV multiplica valores absolutos de retornos adjacentes, o ruído não desaparece só porque a fórmula usa produtos vizinhos. Com amostragem muito fina, sua contribuição pode ficar mais importante.

Esse problema é diferente dos saltos. Realized kernels e two-scale realized variance estimam volatilidade com ruído de microestrutura por construções distintas; não são intercambiáveis com a BV comum, e robustez a ruído não implica robustez a saltos. O guia de realized kernel explica um método voltado ao ruído.

Se a pergunta de pesquisa exige lidar com ruído e saltos ao mesmo tempo, use um método desenvolvido para os dois aspectos e informe suas condições. Podolskij e Vetter desenvolveram modulated bipower variation para observações ruidosas e construíram versões robustas a saltos de atividade finita; trata-se de um estimador modificado, não da fórmula sem ajuste acima (Podolskij & Vetter, 2009). Alternativas práticas podem incluir amostragem menos frequente, pre-averaging, medidas com limiar ou um estimador robusto a ruído. Cada escolha altera o estimando, os parâmetros de ajuste ou o cálculo da incerteza.

Sob suas hipóteses, BV estima um componente histórico da variância integrada contínua. RV estima a variação quadrática total em uma trajetória com saltos. A diferença pode estimar assintoticamente a variação quadrática dos saltos. Nenhuma dessas quantidades é automaticamente uma previsão, um limite de risco ou um sinal de entrada. Um modelo de previsão pode usar RV e BV passadas como preditores separados, mas o valor preditivo precisa ser avaliado fora da amostra, controlando o momento em que a informação fica disponível e os custos de negociação.

A raiz quadrada de uma estimativa de variância só é uma medida de volatilidade depois que a janela e a unidade são especificadas. Se os retornos estão em pontos-base, a variância está em bp² e a raiz em bp para a janela amostrada. Anualizar exige uma hipótese explícita de escala temporal; multiplicar por um fator de calendário não elimina saltos, ruído de microestrutura nem escolhas de medição do período noturno. O guia de risco de saltos discute por que mudanças descontínuas de preço afetam a exposição de hedge, mas não transforma uma decomposição histórica de BV em instrução de negociação.

Informe o ativo, a fonte do preço (negócios, cotações ou ponto médio), a definição do retorno, a frequência de amostragem, os limites da sessão e o tratamento de intervalos noturnos e observações ausentes. Apresente as fórmulas de RV e BV, a convenção de normalização para amostras finitas, o número de retornos e as unidades. Se calcular \(RV-BV\), mostre a diferença bruta e diga se aplicou algum limiar, truncamento ou corte para valor não negativo.

Explique qual modelo sustenta a interpretação: volatilidade estocástica contínua com saltos de atividade finita ou um modelo mais amplo de saltos com outro estimador. Informe qualquer correção de ruído de microestrutura, estatística de teste de saltos, estimativa de quarticidade, nível de significância e ajuste para testes múltiplos. Apresente uma medida de incerteza junto com a decomposição.

A utilidade da bipower variation está em que produtos de retornos absolutos adjacentes preservam um limite de variação contínua e reduzem o efeito assintótico de saltos isolados de atividade finita. Seus limites também precisam acompanhar o resultado: a fórmula padrão não é um filtro universal de saltos, um teste de significância nem uma correção de ruído de microestrutura. Mantenha essas ressalvas em qualquer uso para pesquisa ou análise de risco.