Bipower Variation: Sıçramalara Dayanıklı Gerçekleşen Volatilite

Yüksek frekanslı gerçekleşen varyans, gün içi log getirilerin karelerini toplar. Uygun bir semimartingal modelinde örnekleme aralığı küçüldükçe RV kuadratik varyasyona yakınsar. Fiyat yolu hem sürekli difüzyon hem de sıçrama içeriyorsa bu limit, entegre varyans ile sıçramaların kareleri toplamını kapsar. Bu nedenle RV, gerçekleşmiş toplam değişimi ex post ölçmek için yararlıdır; ancak ne kadarının sürekli hareketten, ne kadarının süreksizliklerden kaynaklandığını tek başına göstermez.

Bipower variation farklı bir yapı taşı kullanır: bir getiriyi kareye yükseltmek yerine, yan yana iki getirinin mutlak değerlerini çarpar. Limit modelinde tekil bir sıçrama genellikle bir getiri aralığına düşerken komşu getiri çoğunlukla küçük bir difüzyon artışıdır. Gözlem ızgarası sıklaştıkça sıçramayı içeren getiriyle komşusunun çarpımı küçülür; bitişik difüzyon getirilerinin çarpımları ise sürekli değişimi biriktirmeye devam eder. Barndorff-Nielsen ve Shephard, belirli modeller altında entegre varyansı seyrek sıçramalardan kaynaklanan değişimden ayırmak için power variation ve bipower variation kullanımını ortaya koymuştur (Barndorff-Nielsen & Shephard, 2004).

Hedef, geçmiş döneme ait entegre varyans \(\int_0^T \sigma_t^2\,dt\) değeridir; sonraki dönemin volatilite tahmini değildir. Gerçekleşen volatilite hesaplama rehberi kare getiriler ölçüsünü açıklar; bu makale bitişik mutlak getiri çarpımlarının sıçramalara neden farklı tepki verdiğini ele alır.

Sabit bir zaman aralığındaki log fiyat sürecini şöyle düşünelim:

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

burada \(X_0\)'dan sonraki ilk terim sonlu varyasyonlu drift'i, \(\sigma_t\) anlık difüzyon volatilitesini ve \(J_t\) sıçrama bileşenini gösterir. Bu sürecin kuadratik varyasyonu şu şekilde ayrışır:

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

burada \(\Delta X_t=X_t-X_{t-}\). İlk bileşen sürekli entegre varyans, ikincisi sıçrama varyasyonudur. Bir sıçramanın katkısı, yukarı ya da aşağı yönlü olmasına bakılmaksızın büyüklüğünün karesidir. Finansta kuadratik varyasyon rehberi, bu yol ölçüsünün sabit fiyatlardan oluşan bir kümenin varyansından neden farklı olduğunu açıklar.

\(\Delta=T/n\) olmak üzere \(n\) adet gün içi log getiri \(r_i=X_{i\Delta}-X_{(i-1)\Delta}\) ise gerçekleşen varyans

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

olarak yazılır. Olağan semimartingal koşullarında aralıklar küçüldükçe \(RV_n\), sıçramalar dâhil toplam kuadratik varyasyonu tahmin eder. Bu nedenle sıçrama olmadığı varsayılmadan RV'yi “sürekli volatilite” diye adlandıran bir rapor iki farklı hedefi birbirine karıştırır.

\(Z\) standart normal dağılıma sahip olsun ve \(\mu_1=E|Z|=\sqrt{2/\pi}\) olsun. Gerçekleşen bipower variation için yaygın bir tanım şöyledir:

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

\(\pi/2\) katsayısı, mutlak Gaussian artışların çarpımını sürekli varyans ölçeğine normalize eder. \(n/(n-1)\) katsayısı, yaygın tanımlardan birinde küçük örneklem uçları için kullanılan düzeltmedir; \(n\) büyüdükçe bire yaklaştığı için bazı tanımlar bu katsayıyı içermez. Sonuçları karşılaştırırken hangi tanımı kullandığınızı belirtin.

Toplam, birbiriyle örtüşen komşu çiftleri kullanır: ikinci getiri birinciyle, üçüncü getiri ikinciyle eşleştirilir. Her gözlemi “sıçrama” ya da “sıçrama yok” diye sınıflandırmaz. Asimptotik sonuç, sonlu etkinlikte sıçramalar altında ızgara sıklaştıkça yalnızca sonlu sayıda küçük komşuluğun sıçrama içermesine, olağan bitişik difüzyon getirilerinin çarpımlarının ise sürekli entegre varyans limitini oluşturmasına dayanır. Limit teorisi, varsayımları altında kaldıraç tipi bağımlılık da dâhil geniş bir stokastik volatilite davranışına izin verir (Barndorff-Nielsen et al., 2006).

<!-- learn:illustration -->

Varsayımsal bir seansta baz puan cinsinden yedi log getiri bulunduğunu düşünün:

Dördüncü getirinin, o aralıktaki sürekli hareketin ihmal edilebilir olduğu varsayımıyla, varsayımsal \(+12\) bp'lik tek bir sıçrama içerdiğini kabul edin. Bu durumda

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

Altı bitişik mutlak getiri çarpımının toplamı \(4.60\ \mathrm{bp}^2\) olur. Belirtilen uç-düzeltilmiş tanıma göre

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

Eklenen sıçramanın karesi \(12^2=144\ \mathrm{bp}^2\) değerindedir. Fark tam olarak 144 değildir: sıçramanın yanındaki çarpımlarda \(12\times0.1\) terimleri bulunur ve yedi getirilik örneklemde olağan sonlu örneklem değişkenliği de vardır. Bu küçük, kurgusal örnek hesabı denetlenebilir kılar; gözlemlenmiş piyasa verisi değildir ve kısa bir aralıktaki farkın sıçrama varyasyonunu doğru biçimde geri kazandığını iddia etmez.

Standart tutarlılık sonucu koşulludur. Gözlem aralığında sonlu sayıda sıçrama bulunan sürekli stokastik volatilite semimartingalinde, piyasa mikro yapısı gürültüsü olmadan giderek daha sık gözlem yapıldığında BV sürekli entegre varyansa yakınsar. Aynı kurulumda \(RV_n-BV_n\), sıçramaların kareleri toplamına yakınsar. Bu asimptotik bir ayrıştırmadır; her getiri serisi ya da sonlu ızgara için garanti değildir.

Sonlu etkinlik koşulu önemlidir. Çok sayıda küçük sıçrama veya sonsuz sıçrama etkinliği varsa sıçrama varyasyonu, bitişik mutlak getiri çarpımlarına göz ardı edilemeyecek katkılar yapabilir; standart BV sonucu yalnızca Brown hareketi bileşenini ayırmayabilir. Her birinin kendi varsayımları olan genişletmeler, kırpma veya farklı sıçrama testleri gerekebilir. Aït-Sahalia ve Jacod, daha geniş bir semimartingal sınıfını kapsayan ayrı bir yüksek frekanslı sıçrama testi geliştirir; bu alternatif bir test çerçevesidir, sıradan BV'nin her sıçrama sürecini ele alabildiğinin kanıtı değildir (Aït-Sahalia & Jacod, 2009).

Gözlem tasarımı da önem taşır. Getiriler aynı zaman penceresine ve savunulabilir bir fiyat serisine dayanmalıdır. Seyrek aralıklar, eski kotasyonlar, eşzamansız işlemler, gece boşlukları ve seans sınırına yakın sıçramalar ince ızgara yorumunu zayıflatır. Daha sık örnekleme ancak gözlemler gizil etkin fiyata yaklaşıyorsa yardımcı olur; daha fazla mikro yapı gürültüsü ekliyorsa değil.

Sonlu etkinlikli sıçramaları içeren gürültüsüz asimptotik modelde RV eksi BV, sıçrama varyasyonunu tahmin eder. Sonlu örneklemde fark negatif olabilir; oysa sıçramaların kareleri toplamı negatif olamaz. Bunun nedeni RV ile BV'nin farklı limit miktarlarının gürültülü tahminleri olmasıdır. Negatif değerleri sessizce sıfıra kırpmayın: kırpma, tahmincinin örnekleme davranışını değiştirir ve açık bir kural olarak bildirilmelidir.

İstatistiksel test farklı bir soruya yanıt verir: sıçrama olmayan sıfır hipotezi altında gözlenen fark, örnekleme belirsizliğine kıyasla büyük müdür? Barndorff-Nielsen ve Shephard, gerçekleşen power variation ve bipower variation'a dayalı asimptotik testler türetmiştir. Uygulanabilir sürümler, ham farkı anlamlılık eşiği saymak yerine, çoğunlukla multipower ölçüleriyle ilgili quarticity değerini tahmin eder (Barndorff-Nielsen & Shephard, 2006). Threshold bipower variation daha sonra küçük örneklemlerde sıçrama bozulmasını azaltmak ve sıçrama içeren alternatiflerde çıkarımı desteklemek üzere geliştirilmiştir (Corsi, Pirino & Reno, 2010).

Tespit edilen bir sıçrama da seçilen örnekleme frekansı ve anlamlılık düzeyine bağlı, model temelli istatistiksel bir sınıflandırmadır. Haber nedenini belirlemez, bir yatırımcının kayıtlı fiyattan işlem yapabileceğini kanıtlamaz ve kârlı bir stratejiyi göstermez.

Klasik BV, gürültüye dayanıklı bir yüksek frekans tahmincisi değildir. Gözlenen fiyat \(Y_{t_i}=X_{t_i}+\epsilon_{t_i}\) ise bid-ask bounce, yuvarlama ve kotasyon güncellemeleri her getiriye gürültü ekler. BV komşu mutlak getirileri çarptığından, formülün bitişik çarpımlar kullanması gürültüyü kendiliğinden ortadan kaldırmaz. Çok sık örneklemede gürültünün katkısı daha da önemli hâle gelebilir.

Bu, sıçramalardan farklı bir sorundur. Realized kernel ve two-scale realized variance, piyasa mikro yapısı gürültüsü varken volatiliteyi farklı yapılarla tahmin etmeyi hedefler; sıradan BV'nin yerine kullanılamazlar ve gürültüye dayanıklılık sıçramalara da dayanıklılık anlamına gelmez. Realized kernel rehberi, gürültüye odaklanan yöntemlerden birini açıklar.

Araştırma sorusu hem gürültüyü hem sıçramaları ele almayı gerektiriyorsa, iki özellik için geliştirilmiş bir yöntem kullanın ve koşullarını belirtin. Podolskij ve Vetter, gürültülü gözlemler için modulated bipower variation geliştirir ve sonlu etkinlikli sıçramalara dayanıklı biçimler kurar; bu, yukarıdaki düzeltilmemiş formül değil, değiştirilmiş bir tahmincidir (Podolskij & Vetter, 2009). Daha seyrek örnekleme, pre-averaging, eşikli ölçüler veya gürültüye dayanıklı bir tahminci pratik seçenekler olabilir. Her seçenek tahmin hedefini, ayar parametrelerini veya belirsizlik hesabını değiştirir.

Varsayımları sağlandığında BV, geçmişe ait sürekli entegre varyans bileşenini tahmin eder. RV, sıçramalı bir yolun toplam kuadratik varyasyonunu tahmin eder. Aralarındaki fark asimptotik olarak sıçramaların kuadratik varyasyonunu tahmin edebilir. Bu miktarların hiçbiri kendiliğinden tahmin, risk limiti veya giriş sinyali değildir. Bir tahmin modeli geçmiş RV ve BV değerlerini ayrı açıklayıcı değişkenler olarak kullanabilir; ancak öngörü değeri, bilgi zamanlaması ve işlem maliyetleri kontrol edilerek örneklem dışı değerlendirilmelidir.

Varyans tahmininin kareköküne volatilite diyebilmek için zaman penceresi ve birim açık olmalıdır. Getiriler baz puan cinsindeyse varyans bp², karekökü ise örneklenen pencere için bp cinsindedir. Yıllıklandırma, zaman ölçeğine ilişkin açık bir varsayım gerektirir; takvim faktörüyle çarpmak sıçramaları, mikro yapı gürültüsünü veya gece ölçüm tercihlerinin etkisini ortadan kaldırmaz. Sıçrama riski rehberi, süreksiz fiyat hareketlerinin hedge maruziyetini neden etkilediğini ele alır; geçmişe dönük BV ayrıştırmasını işlem talimatına dönüştürmez.

Varlığı, fiyat girdisini (işlemler, kotasyonlar veya orta fiyat), getiri tanımını, örnekleme sıklığını, seans sınırlarını ve gecelik aralıklar ile eksik gözlemlerin nasıl ele alındığını belirtin. RV ve BV formüllerini, sonlu örneklem normalizasyonu kuralını, getiri sayısını ve birimleri raporlayın. \(RV-BV\) hesaplıyorsanız ham farkı gösterin; eşik, kırpma veya negatif olmayan değere sınırlama uygulanıp uygulanmadığını belirtin.

Yorumun dayandığı modeli açıklayın: sonlu etkinlikli sıçramalarla sürekli stokastik volatilite mi, yoksa farklı bir tahminci kullanan daha geniş bir sıçrama modeli mi? Mikro yapı gürültüsü düzeltmesini, sıçrama testi istatistiğini, quarticity tahminini, anlamlılık düzeyini ve çoklu test düzeltmesini açıklayın. Ayrıştırmayla birlikte bir belirsizlik ölçüsü de sunun.

Bipower variation'ın yararı, bitişik mutlak getiri çarpımlarının sürekli varyasyon limitini korurken tekil ve sonlu etkinlikli sıçramaların asimptotik etkisini azaltmasıdır. Sınırları da belirtilmelidir: standart formül evrensel bir sıçrama filtresi, anlamlılık testi veya mikro yapı gürültüsü düzeltmesi değildir. Risk analizi veya araştırmada kullanırken bu sınırları da yazın.