Бипауэр-вариация: реализованная волатильность, устойчивая к скачкам

Высокочастотная реализованная дисперсия складывает квадраты внутридневных логарифмических доходностей. При уменьшении интервала наблюдений в подходящей модели полумартингала RV сходится к квадратичной вариации. Если траектория цены включает и непрерывную диффузию, и скачки, этот предел содержит интегральную дисперсию и сумму квадратов скачков. Поэтому RV полезна для измерения общей вариации ex post, но сама по себе не показывает, какая часть возникла из-за непрерывного движения, а какая — из-за разрывов.

Бипауэр-вариация использует другой элемент: вместо возведения одной доходности в квадрат перемножаются модули двух соседних доходностей. В предельной модели изолированный скачок обычно попадает в один интервал доходности, а соседняя доходность, как правило, представляет собой небольшой диффузионный прирост. По мере сгущения сетки произведение доходности со скачком и соседней доходности уменьшается, тогда как произведения соседних диффузионных доходностей продолжают накапливать непрерывную вариацию. Барндорфф-Нильсен и Шепард предложили применять степенную и бипауэр-вариацию, чтобы в заданных моделях отделять интегральную дисперсию от вариации, вызванной редкими скачками (Barndorff-Nielsen & Shephard, 2004).

Целевая величина — историческая интегральная дисперсия \(\int_0^T \sigma_t^2\,dt\), а не прогноз волатильности на следующий период. В руководстве по расчету реализованной волатильности описана мера на основе квадратов доходностей; здесь объясняется, почему произведения соседних абсолютных доходностей иначе реагируют на скачки.

Рассмотрим процесс логарифма цены на фиксированном интервале:

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

где первый член после \(X_0\) — дрейф конечной вариации, \(\sigma_t\) — мгновенная волатильность диффузии, а \(J_t\) — компонента скачков. Квадратичная вариация процесса раскладывается так:

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

где \(\Delta X_t=X_t-X_{t-}\). Первый компонент — непрерывная интегральная дисперсия, второй — скачковая вариация. Вклад скачка равен квадрату его величины независимо от знака. Руководство по квадратичной вариации в финансах объясняет, почему эта характеристика траектории отличается от дисперсии набора статических цен.

Для \(n\) внутридневных логарифмических доходностей \(r_i=X_{i\Delta}-X_{(i-1)\Delta}\), где \(\Delta=T/n\), реализованная дисперсия равна

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

По мере уменьшения шага сетки при обычных условиях для полумартингала \(RV_n\) оценивает полную квадратичную вариацию, включая скачки. Поэтому отчет, называющий RV «непрерывной волатильностью» без предположения об отсутствии скачков, смешивает две разные целевые величины.

Пусть \(Z\) — стандартная нормальная случайная величина, а \(\mu_1=E|Z|=\sqrt{2/\pi}\). Один из распространенных вариантов реализованной бипауэр-вариации имеет вид

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

Множитель \(\pi/2\) нормирует произведение модулей гауссовых приращений к масштабу непрерывной дисперсии. Множитель \(n/(n-1)\) — используемая в одной из распространенных конвенций поправка на края малой выборки; в некоторых определениях ее опускают, так как при росте \(n\) она стремится к единице. При сравнении результатов указывайте выбранную конвенцию.

В сумме используются перекрывающиеся соседние пары: доходность 2 сочетается с доходностью 1, доходность 3 — с доходностью 2 и так далее. Каждое наблюдение не классифицируется как «скачок» или «без скачка». Асимптотический результат основан на том, что при скачках конечной активности по мере сгущения сетки скачки попадают лишь в конечное число малых окрестностей, тогда как произведения соседних диффузионных доходностей формируют предел непрерывной интегральной дисперсии. Предельная теория допускает широкий спектр поведения стохастической волатильности, включая зависимость типа эффекта плеча, при соблюдении предпосылок (Barndorff-Nielsen et al., 2006).

<!-- learn:illustration -->

Предположим, что в одной гипотетической сессии наблюдались семь логарифмических доходностей в базисных пунктах:

Пусть четвертая доходность содержит один гипотетический скачок \(+12\) б.п., а непрерывное движение в этом интервале пренебрежимо мало. Тогда

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

Сумма шести произведений соседних модулей равна \(4.60\ \mathrm{bp}^2\). При указанной конвенции с поправкой на края получаем

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

Квадрат добавленного скачка равен \(12^2=144\ \mathrm{bp}^2\). Разность не равна ровно 144: соседние произведения включают слагаемые \(12\times0.1\), а в выборке из семи доходностей присутствует обычная вариация конечной выборки. Этот небольшой вымышленный пример позволяет проверить арифметику; это не наблюдаемые рыночные данные и не утверждение, что разность на коротком интервале точно восстанавливает скачковую вариацию.

Стандартный результат состоятельности условен. В полумартингале с непрерывной стохастической волатильностью и конечным числом скачков на интервале BV сходится к непрерывной интегральной дисперсии при все более частом наблюдении без микроструктурного шума. В той же постановке \(RV_n-BV_n\) сходится к сумме квадратов скачков. Это асимптотическое разделение, а не гарантия для любой последовательности доходностей или конечной сетки.

Условие конечной активности важно. При большом количестве малых скачков или бесконечной активности скачков они могут вносить существенный вклад в произведения соседних абсолютных доходностей; стандартный результат для BV может не выделять только броуновскую компоненту. Могут потребоваться расширения метода, усечение или другие тесты, каждое со своими предпосылками. Аит-Сахалия и Жакод разработали отдельный высокочастотный тест скачков для более широкого класса полумартингальных процессов; это альтернативная схема тестирования, а не доказательство того, что обычная BV работает для любого процесса со скачками (Aït-Sahalia & Jacod, 2009).

Важен и дизайн наблюдений. Доходности должны относиться к общему интервалу и обоснованному ряду цен. Редкие интервалы, устаревшие котировки, асинхронные сделки, ночные разрывы и скачки рядом с границами сессии ослабляют интерпретацию мелкой сетки. Более частая выборка полезна только тогда, когда наблюдения приближаются к латентной эффективной цене, а не добавляют микроструктурный шум.

В асимптотической модели без шума и со скачками конечной активности RV минус BV оценивает скачковую вариацию. На конечной выборке разность может быть отрицательной, хотя сумма квадратов скачков не может быть отрицательной. Это возможно, потому что RV и BV — шумные оценки разных предельных величин. Не заменяйте отрицательные значения нулем без пояснения: усечение меняет выборочное поведение оценки и должно быть указано как явное правило.

Статистический тест отвечает на другой вопрос: велика ли наблюдаемая разность относительно выборочной неопределенности при нулевой гипотезе об отсутствии скачков? Барндорфф-Нильсен и Шепард вывели асимптотические тесты на основе реализованной степенной и бипауэр-вариации. Практические варианты оценивают соответствующую квартичность, часто с помощью мультипауэр-мер, вместо того чтобы считать исходную разность порогом значимости (Barndorff-Nielsen & Shephard, 2006). Позже пороговая бипауэр-вариация была разработана для снижения искажения от скачков в малых выборках и вывода при альтернативных гипотезах со скачками (Corsi, Pirino & Reno, 2010).

Даже обнаруженный скачок остается классификацией, зависящей от модели, выбранной частоты наблюдений и уровня значимости. Он не выявляет новостную причину, не доказывает возможность сделки по записанной цене и не подтверждает прибыльность стратегии.

Классическая BV не является высокочастотной оценкой, устойчивой к шуму. Если наблюдаемая цена равна \(Y_{t_i}=X_{t_i}+\epsilon_{t_i}\), bid-ask bounce, округление и обновления котировок добавляют шум в каждую доходность. Поскольку BV перемножает модули соседних доходностей, сам факт использования соседних произведений не устраняет шум. При очень частом наблюдении его вклад может стать еще важнее.

Это отдельная проблема, не связанная напрямую со скачками. Реализованные ядра и реализованная дисперсия двух масштабов предназначены для оценки волатильности при микроструктурном шуме, но используют другие конструкции и не взаимозаменяемы с обычной BV. Устойчивость к шуму также не означает устойчивость к скачкам. Руководство по realized kernel описывает один из методов, ориентированных на шум.

Если задача требует одновременно учитывать шум и скачки, используйте метод, разработанный для обеих особенностей, и указывайте его условия. Подольский и Веттер разработали модулированную бипауэр-вариацию для зашумленных наблюдений и варианты, устойчивые к скачкам конечной активности; это модифицированная оценка, а не приведенная выше нескорректированная формула (Podolskij & Vetter, 2009). Практические альтернативы включают более редкую выборку, предварительное усреднение, пороговые меры или оценку, устойчивую к шуму. Каждый вариант меняет целевую величину, настройки или расчет неопределенности.

При выполнении предпосылок BV оценивает историческую непрерывную компоненту интегральной дисперсии. RV оценивает полную квадратичную вариацию траектории со скачками. Их разность может асимптотически оценивать квадратичную скачковую вариацию. Ни одна из этих величин автоматически не является прогнозом, лимитом риска или сигналом входа. Прогнозная модель может использовать прошлые RV и BV как отдельные предикторы, но их прогностическую ценность нужно проверять вне выборки с контролем времени доступности информации и торговых издержек.

Квадратный корень из оценки дисперсии становится мерой волатильности только после указания временного окна и единиц измерения. Если доходности заданы в базисных пунктах, дисперсия выражается в bp², а ее корень — в bp для рассматриваемого окна. Годовая экстраполяция требует явного допущения о масштабе времени; календарный множитель не устраняет скачки, микроструктурный шум или особенности измерения ночных интервалов. Руководство по риску скачков объясняет влияние разрывов цен на хеджирование, но не превращает историческое разложение BV в торговую рекомендацию.

Укажите актив, источник цены (сделки, котировки или середина спреда), определение доходности, частоту наблюдений, границы сессии и обработку ночных интервалов и пропусков. Приведите формулы RV и BV, конвенцию нормировки для конечной выборки, число доходностей и единицы измерения. Если вычисляется \(RV-BV\), покажите исходную разность и укажите, применялись ли порог, усечение или ограничение снизу нулем.

Объясните, какая модель обосновывает интерпретацию: непрерывная стохастическая волатильность со скачками конечной активности или более широкая модель скачков с другой оценкой. Раскройте поправку на микроструктурный шум, статистику теста скачков, оценку квартичности, уровень значимости и коррекцию на множественные проверки. Вместе с разложением приводите меру неопределенности.

Преимущество бипауэр-вариации в том, что произведения соседних абсолютных доходностей сохраняют предел непрерывной вариации и уменьшают асимптотическое влияние изолированных скачков конечной активности. Ограничения столь же важны: стандартная формула не является универсальным фильтром скачков, тестом значимости или поправкой на микроструктурный шум. Указывайте эти границы при использовании для исследований или анализа риска.