Modelarea piețelor financiare

Capitolul 11 · Modele în timp continuu

În stînga este slide-ul din curs, în dreapta aceeași figură, calculată în browser din aceleași date. Butonul ▶ modifică parametrul pas cu pas.

De la random walk la mișcarea browniană · Variația pătratică și calculul Itô · Mișcarea browniană geometrică · Revenirea la medie: procesul Ornstein–Uhlenbeck · Salturi: modelul Merton · Compararea empirică a modelelor · Studii de caz: rough volatility, persistență și drift bursts

De la random walk la mișcarea browniană

De la random walk la mișcarea browniană: teorema lui Donsker

Slide-ul 5: De la random walk la mișcarea browniană: teorema lui Donsker
Slide-ul 5
    Întrebare pentru sală Pentru mișcarea browniană standard pe [0, 1], ridicăm pragul de la a = 1 la a = 2. Cît devine probabilitatea ca maximul traiectoriei să depășească pragul?
    Răspuns

    Circa 0,0455. Principiul reflexiei dă P(max W(t) > 2) = 2[1 − Φ(2)] ≈ 0,0455, față de 0,3173 la a = 1. Valoarea 0,0228 = 1 − Φ(2) privește doar W(1), nu maximul întregii traiectorii. Valoarea 0,1587 înjumătățește greșit probabilitatea de la pragul 1: probabilitatea nu este invers proporțională cu pragul. Pe pagină, la a = 2, random walk-ul cu n = 2 000 de pași dă 0,042. Curbele random walk ilustrează convergența către reperul brownian; ele nu provin din eșantionarea aceleiași traiectorii browniene.

    Variația pătratică și calculul Itô

    Variația pătratică: simulare și date

    Slide-ul 9: Variația pătratică: simulare și date
    Slide-ul 9
      Întrebare pentru sală Pentru o mișcare browniană standard pe [0, 1], fixăm p = 1,5. Dacă numărul intervalelor egale crește de patru ori, cu ce factor se modifică media sumei Σ|ΔW|^1,5?
      Răspuns

      Cu √2 ≈ 1,41. Media este n^(1 − p/2)·E|Z|^p, cu Z avînd distribuția Normală standard; pentru p = 1,5, factorul este 4^0,25 = √2. Factorul 4 ignoră micșorarea incrementelor; 1/√2 inversează sensul modificării. Relația privește media, nu o egalitate exactă pentru fiecare traiectorie: pe traiectoria din pagină, suma trece de la 9,75 cu 16 384 de intervale la 13,83 cu 65 536 de intervale (raport 1,42). Doar exponentul 2 dă o limită nedegenerată: Σ(ΔW)² tinde la T = 1 (1,006 pe grila cea mai fină), de aceea (dW)² = dt.

      Mișcarea browniană geometrică

      Precizia estimării driftului

      Slide-ul 19: Precizia estimării driftului
      Slide-ul 19
        Întrebare pentru sală Comparăm două modele GBM cu parametri constanți: primul are σ = 20% și 10 ani de date, al doilea σ = 40% și 40 de ani de date. Cum se modifică semilățimea intervalului de 95% pentru driftul logaritmic, de la primul la al doilea?
        Răspuns

        Rămîne aceeași. Semilățimea este 1,96σ/√T: aproximativ 12,4 puncte procentuale în ambele cazuri. Dublarea volatilității compensează exact înjumătățirea lui 1/√T. «Se înjumătățește» ignoră modificarea volatilității; «se dublează» ignoră lungimea perioadei. Pentru S&P 500 (σ = 18%), 10 ani de date dau ±11,2 puncte procentuale, oricît de deasă este grila: cele 2 520 de randamente zilnice nu reduc această semilățime. Pe ferestre de 10 ani, driftul logaritmic variază între −6,0% (2009-03) și 15,8% (2000-09); cu această precizie, oscilațiile nu pot fi atribuite sigur unor schimbări ale driftului.

        Adecvarea GBM pentru S&P 500

        Slide-ul 21: Adecvarea GBM pentru S&P 500
        Slide-ul 21
          Întrebare pentru sală Cîte zile dincolo de ±4 abateri standard ar trebui să apară în 9 245 de zile, dacă randamentele ar avea distribuția Normală?
          Răspuns

          Circa 0,59 = 9 245 · 2(1 − Φ(4)), cu ambele cozi; o singură coadă ar da 0,29. În date sînt 62, iar cea mai rea zi este la −11,3 abateri standard; excesul de kurtosis este 10,9. ACF a lui |r| este 0,27 la lagul 1 și 0,14 la lagul 50, în timp ce banda GBM rămîne sub 0,024.

          Revenirea la medie: procesul Ornstein–Uhlenbeck

          Vasicek pe randamentul titlurilor de stat pe 3 luni

          Slide-ul 26: Vasicek pe randamentul titlurilor de stat pe 3 luni
          Slide-ul 26
            Întrebare pentru sală Dovedește un κ̂ pozitiv pe 1954–2026 că rata pe termen scurt revine la medie?
            Răspuns

            Nu. κ̂ = 0,101 (SE 0,051) corespunde unui timp de înjumătățire de 6,8 ani, iar coeficientul AR(1) zilnic este 0,99960, aproape o rădăcină unitară. Pe subperioade, κ̂ este −0,034, 0,213 și 0,032, iar două dintre cele trei intervale includ zero. Intervalul asimptotic pe 1954–2026 exclude zero la limită (0,101 − 1,96 · 0,051 = 0,001), dar lîngă o rădăcină unitară distribuția lui κ̂ nu este Normală și este deplasată în sus; testul bootstrap al ipotezei random walk dă p-value = 0,287.

            Salturi: modelul Merton

            Estimarea Merton pentru distribuția randamentelor

            Slide-ul 41: Estimarea Merton pentru distribuția randamentelor
            Slide-ul 41
              Întrebare pentru sală În modelul Merton, λ = 102 salturi pe an. Cu 252 de zile de tranzacționare pe an, care este probabilitatea să apară cel puțin un salt într-o zi?
              Răspuns

              Circa 33,3%. Numărul zilnic de salturi are distribuția Poisson cu media 102/252 = 0,405; probabilitatea cerută este 1 − exp(−102/252) ≈ 33,3%. Valoarea 40,5% confundă numărul mediu de salturi cu probabilitatea cel puțin unui salt; 66,7% este probabilitatea niciunui salt. Un salt al modelului nu este automat un crah: abaterea standard estimată a mărimii saltului este 1,44%. Salturile explică 71% din dispersie și ajustează forma distribuției marginale; ele nu reproduc volatility clustering. Excesul de kurtosis implicat este 3,7, față de 10,9 în date. La λ = 0, păstrînd media și dispersia modelului Merton estimat, log-verosimilitatea S&P 500 este 28 291, față de 29 500 la estimarea MLE; pentru GBM reestimat separat, este 28 300.

              Compararea empirică a modelelor

              Capacitatea modelelor de a reproduce S&P 500

              Slide-ul 49: Capacitatea modelelor de a reproduce S&P 500
              Slide-ul 49
                Întrebare pentru sală Permutăm aleator ordinea randamentelor din fiecare simulare Heston, păstrînd toate valorile. Ce se întîmplă, în mod obișnuit, cu ACF a lui |r| la lagul 1?
                Răspuns

                Ajunge în jurul lui zero. Permutarea distruge ordinea temporală care produce volatility clustering, deci ACF ajunge în jurul lui zero, cu fluctuații de eșantionare, ca la GBM și Merton. Valoarea 0,28 (mediana Heston fără permutare, față de 0,27 în date) presupune greșit că păstrarea distribuției empirice păstrează și dependența temporală. Excesul de kurtosis al fiecărei simulări rămîne neschimbat. Merton reproduce statistica Hill (2,70 față de 2,56) și asimetria (−0,32 față de −0,36). Cu acești parametri, niciuna dintre cele 100 de simulări ale celor trei modele nu atinge excesul de kurtosis din date, 10,88.

                Studii de caz: rough volatility, persistență și drift bursts

                Studiu de caz: replicare pe SPY, Δ = o zi

                Slide-ul 56: Studiu de caz: replicare pe SPY, Δ = o zi
                Slide-ul 56
                  Întrebare pentru sală Extindem ajustarea curbei exponențiale din grafic de la primele 12 laguri la primele 60. Ce compromis apare în apropierea de ACF empirică?
                  Răspuns

                  Ajustarea se îmbunătățește la lagul 100, dar se înrăutățește la lagul 1. Pentru curba desenată, A·exp(−κh), valoarea la lagul 100 crește de la circa 0,0014 la 0,073, apropiindu-se de 0,13 în date; la lagul 1 scade de la circa 0,661 la 0,484, îndepărtîndu-se de circa 0,73 în date. Ajustarea pe mai multe laguri nu garantează o apropiere mai bună la fiecare lag: o singură exponențială nu urmărește și scăderea rapidă de la primele laguri, și coada lentă. Reperul OU normalizat, exp(−κh), este distinct: cu panta estimată pe 12 laguri (timp de înjumătățire 11 zile) dă 0,002 la lagul 100, iar cu panta estimată pe 60 de laguri (36 de zile) dă 0,149. Clasa Cauchy dă β̂ = 0,26 și β̂* = 0,24, ambele sub 1, în acord cu memoria lungă; variograma dă α̂ = −0,32 (OLS) și −0,35 (NLLS), deci o traiectorie mai rugoasă decît cea browniană.

                  Al doilea studiu de caz (2/6): drift bursts pe SPY, bare de 5 minute

                  Slide-ul 59: Al doilea studiu de caz (2/6): drift bursts pe SPY, bare de 5 minute
                  Slide-ul 59
                    Întrebare pentru sală Dintre cele 109 zile cu max |T_t| > 2,91, cîte sînt drift bursts?
                    Răspuns

                    Numărul de drift bursts adevărate nu este identificat de această procedură. Cele 109 zile sînt candidate; diferența 109 − 73,84 = 35,16 este un exces descriptiv față de nulul cu semne aleatoare, care păstrează modulele randamentelor, dar elimină driftul, asimetria salturilor și efectul de levier. Pragul este calibrat pentru aproximativ 5% depășiri ale maximului zilnic sub acest nul, nu pentru 5% alarme false printre zilele selectate și nici pentru orice proces fără drift burst. Nicio replicare din cele 200 nu atinge 109 zile (maximul este 100); p-value Monte Carlo este circa 0,005. Acest rezultat nu identifică mecanismul care produce excesul. Revenirea, prezentă în 65% din cele 80 de zile cu fereastră completă după vîrf, este tot descriptivă: vîrful este ales retrospectiv, iar sub ipoteza nulă, cu aceeași selecție, proporția medie este 56,5%; panta este doar 0,03, iar pe tranzacțiile E-mini S&P 500 articolul găsește −0,26.

                    Randamente logaritmice zilnice pînă la 18 septembrie 2026: S&P 500 (din 1990) și Bitcoin (din 2014), prețuri EODHD. Randamentul titlurilor de stat SUA pe 3 luni: FRED, seria DTB3, 1954–2026. Studiile de caz: bare SPY de 5 minute, EODHD, octombrie 2020 – septembrie 2026. Simulările (random walk, mișcare browniană, GBM, Merton, Heston) folosesc aceleași seed-uri ca graficele din curs.