Тест Lee–Mykland: выявление внутридневных ценовых скачков

Реализованная дисперсия суммирует квадраты внутридневных доходностей за сессию. Бипауэр-вариация при определённых предпосылках о скачках и выборке может оценивать непрерывную составляющую вариации. Обе меры описывают период целиком и сами по себе не показывают, когда произошло необычно сильное движение. Метод Lee и Mykland оценивает доходности по отдельным интервалам, сравнивая каждое возможное движение с волатильностью, рассчитанной по доходностям непосредственно перед ним.

Это различие полезно для событийных исследований, моделирования волатильности и анализа времени скачков. Доходность 1% может быть исключительной на спокойном рынке и обычной в волатильную сессию. Стандартизация по недавней локальной волатильности учитывает изменение масштаба. Метод был предложен для выявления внутридневных скачков и оценки их реализованного размера, но он не устанавливает причину движения и не показывает, можно ли было на нём торговать (Lee и Mykland, 2008).

Нулевая гипотеза относится к процессу цены на конкретном интервале: при регулярных условиях непрерывной составляющей скачка не было. Она не утверждает, что доходность равна нулю. Непрерывная траектория цены тоже может породить крупную доходность, особенно при высокой волатильности, поэтому простой порог по размеру движения недостаточен.

Пусть \(P_i\) — цена, наблюдаемая на регулярной сетке в момент \(t_i\). Логарифмическая доходность за интервал \(i\) равна

\[ r_i=\log(P_i/P_{i-1}). \]

Для теста нужны согласованные поле цены и сетка. Исследователь может использовать цены сделок, середины котировок или другой документированный показатель, однако смена показателя может изменить и доходность, и метку скачка. Необходимо явно обработать открытие и закрытие сессии, аукционы, остановки торгов и пропущенные котировки. Доходность от закрытия до открытия нельзя незаметно смешивать с обычными внутридневными интервалами.

Регулярная выборка важна, поскольку локальный масштаб и порог экстремальных значений выведены для заданной схемы наблюдений. При нерегулярных наблюдениях сначала выберите обоснованное правило синхронизации или выборки и укажите, какую информацию оно отбрасывает. Формула не исправляет устаревшие котировки, пересекающиеся рынки, неверные временные метки или единичные ошибки записи. Нельзя также считать цены разных площадок или активов синхронными без проверки совмещения.

Это тест наблюдаемых доходностей, а не скрытых цен. Исходная теория использует высокочастотные модели полумартингала с условиями, которые не выполняются автоматически для любой ленты котировок или криптовалютной площадки. Зафиксируйте источник, часовой пояс, сетку, торговую сессию и фильтры, чтобы другой аналитик мог восстановить ряд.

В момент-кандидат \(t_i\) локальная дисперсия оценивается по доходностям до \(r_i\):

\[ \widehat{\sigma}_i^2 = \frac{1}{K-2} \sum_{j=i-K+2}^{i-1}|r_j|\,|r_{j-1}|, \qquad \widehat{\sigma}_i=\sqrt{\widehat{\sigma}_i^2}. \]

Здесь \(K\) задаёт длину скользящего окна. Сумма содержит произведения соседних абсолютных доходностей, а доходность-кандидат \(r_i\) исключена. Такая форма на основе бипауэр-вариации помогает не дать более раннему одиночному скачку чрезмерно влиять на масштаб, по которому оценивается последующий интервал. В литературе о реализованной волатильности объясняется, почему суммы и произведения высокочастотных доходностей позволяют оценивать разные характеристики квадратичной вариации (Barndorff-Nielsen и Shephard, 2002).

Это локальная оценка, а не прогноз волатильности всей сессии. Короткое окно быстро адаптируется, но может быть нестабильным; длинное сглаживает оценку, но может запаздывать при смене волатильности. В исходном асимптотическом рассуждении \(K\) растёт при уменьшении интервала выборки, оставаясь коротким относительно всего горизонта. Для конечной выборки нужно обосновать выбор и проверить чувствительность: универсального \(K\) для всех активов, сеток и рыночных режимов нет.

Нужно также решить, как поступать с нулевой или почти нулевой оценкой. Деление на очень маленький масштаб способно превратить движение на один ценовой тик в экстремальную статистику. Не заменяйте такие значения молча произвольным минимумом: укажите правило, проверьте исходные котировки и покажите, меняются ли отмеченные интервалы при разумных альтернативах.

Локальная статистика скачка имеет вид

\[ L_i=\frac{r_i}{\widehat{\sigma}_i}. \]

Её знак сохраняет направление наблюдаемой доходности, а модуль показывает размер движения относительно предшествующего локального масштаба. Оценка в знаменателе использует произведения соседних абсолютных доходностей без обычной нормирующей константы бипауэр-вариации. При асимптотических условиях отсутствия скачков в статье \(L_i\) приближённо равна \(Z_i/c\), где \(Z_i\) — стандартная нормальная величина, а \(c=E|Z_i|=\sqrt{2/\pi}\). Это важно для порога: если считать \(L_i\) стандартно-нормальной статистикой, эталонное распределение будет неверным.

Большой \(|L_i|\) обозначает возможный интервал, но ещё не окончательный вывод. Движение сопоставляют с порогом, учитывающим схему выборки, окно и число проверяемых интервалов. Положительная статистика указывает на наблюдаемую доходность вверх, отрицательная — вниз. Ни знак, ни модуль не выявляют экономическую причину и не отличают скачок от непрерывного движения или ошибки данных.

На рисунке показано сравнение доходности-кандидата с локальным масштабом, рассчитанным по более ранним интервалам. Это концептуальная иллюстрация, а не ценовой график и не обнаруженное событие.

<!-- learn:illustration --> <!-- Text-free concept: one sharp return pulse rises above a quiet sequence while a trailing window forms a soft local-volatility envelope; no prices, timestamps, thresholds, or detected events are shown. -->

Если просматриваются \(n\) интервалов, многократное применение точечного порога может привести к ложной тревоге просто из-за большого числа проверок. Lee–Mykland калибруют максимум абсолютной статистики на горизонте. При \(c=\sqrt{2/\pi}\) определим

\[ C_n= \frac{\sqrt{2\log n}}{c} - \frac{\log(\pi)+\log(\log n)} {2c\sqrt{2\log n}}, \qquad S_n=\frac{1}{c\sqrt{2\log n}}. \]

При асимптотических условиях отсутствия скачков из статьи

\[ \frac{\max_{1\le i\le n}|L_i|-C_n}{S_n} \]

имеет стандартное предельное распределение Гумбеля с функцией распределения \(F(x)=\exp(-e^{-x})\). Для уровня значимости всей сессии \(\alpha\) соответствующее критическое значение равно

\[ \beta_\alpha=-\log[-\log(1-\alpha)]. \]

Интервал отмечается, если \((|L_i|-C_n)/S_n>\beta_\alpha\). Поправка по максимуму учитывает поиск по интервалам в указанном горизонте. Она автоматически не исправляет исследование, где сканирование повторяется для множества активов, дней, сеток или вариантов модели. Для таких дополнительных сравнений нужны отдельный дизайн и раскрытие.

Предположим, три доходности непосредственно перед кандидатом равны \(-0.40\%\), \(+0.30\%\) и \(-0.20\%\), а для простоты расчёта выбрано \(K=4\). Тогда

\[ \widehat{\sigma}_i^2 = \frac{|0.30||-0.40|+|-0.20||0.30|}{2} = 0.09\;(\%)^2, \qquad \widehat{\sigma}_i=0.30\%. \]

Если следующая доходность равна \(+1.20\%\), локальная статистика будет \(L_i=1.20/0.30=4\). Это означает, что наблюдаемая доходность в четыре раза больше иллюстративного локального масштаба; пока это не говорит об отклонении нулевой гипотезы.

Для гипотетической сессии с \(n=78\) интервалами асимптотические формулы дают \(C_n\approx3.14\) и \(S_n\approx0.424\). При уровне значимости сессии 1% получаем \(\beta_\alpha\approx4.60\), а порог составляет примерно \(3.14+0.424(4.60)=5.10\). Статистика 4 ниже порога, поэтому на этом уровне интервал не отмечается. Числа гипотетические, а приближение для максимума при таком размере выборки может быть грубым. Малое окно \(K=4\) показывает только арифметику и не является рекомендуемой настройкой.

Пример показывает, почему формулировки «четыре стандартных отклонения» недостаточно для описания решения Lee–Mykland. На порог влияют опорный масштаб, асимптотическая нормировка, окно, число интервалов и уровень значимости. Укажите их вместе с числом скачков или перечнем событий.

Более частая сетка теоретически улучшает временное разрешение, но сильнее проявляет шум котировок, дискретность цен и ошибки временных меток. Более редкая сетка сглаживает часть кратких колебаний, но может объединить скачок с соседними непрерывными доходностями или скрыть несколько движений внутри одного интервала. Поэтому сетка меняет и выявляемые события, и соответствие наблюдений предпосылкам.

Окно \(K\) связано с сеткой. Слишком малое число предшествующих доходностей делает локальную бипауэр-оценку неустойчивой; слишком большое может смешать разные режимы волатильности и размыть смысл слова «локальная». Указывайте \(K\) и в числе наблюдений, и во времени, сообщайте, сбрасывается ли окно на границе сессии, и показывайте чувствительность списка событий к обоснованным альтернативам. Не переносите рекомендацию для другого рынка, длительности сессии или частоты наблюдений без проверки.

Стандартный Lee–Mykland не решает в общем виде проблему микроструктурного шума. Предварительное усреднение и другие методы, учитывающие шум, меняют доходности или оценки волатильности и требуют соответствующего вывода; это не взаимозаменяемые фильтры, которые можно просто добавить (Aït-Sahalia, Jacod и Li, 2012). Руководство по предварительному усреднению и руководство по двухмасштабной волатильности описывают два подхода к шумным высокочастотным ценам.

Отмеченная доходность означает, что при заданном пороге её трудно согласовать с нулевой гипотезой о непрерывной траектории. Это не подтверждение того, что движение вызвал плановый релиз, сбой биржи, ликвидационная цепочка или иная причина. Сопоставьте время с проверенными данными о событиях, изучите сделки и котировки и проверьте, сохраняется ли движение после интервала. Такие объяснения нужно отделять от результата статистического теста.

Процедура также отличается от дневного сравнения реализованной дисперсии и бипауэр-вариации. Статистика Lee–Mykland ищет интервалы относительно локальной волатильности; разница дневных мер оценивает совокупную вариацию скачков при других предпосылках. Об этих периодических мерах рассказывают руководство по бипауэр-вариации и руководство по реализованной волатильности. Тест степенной вариации Aït-Sahalia и Jacod по другой схеме проверяет наличие скачков в дискретно наблюдаемой траектории. Его цель и предпосылки отличаются, поэтому совпадение или расхождение с интервальным списком Lee–Mykland не является прямой проверкой.

В исследовании стратегии метка скачка служит входом для дальнейшего анализа, а не указанием купить или продать. Бэктест должен учитывать момент доступности сигнала, спред и проскальзывание, задержку, перекрывающиеся окна событий и проверку вне выборки. Задайте критерий потерь или риска и сравните подход с подходящим ориентиром. Статистическая метка прошлой доходности не доказывает, что следующее событие можно предсказать или выгодно торговать.