An Eigenfunction Approach for Volatility Modeling

Dans cet article, nous proposons une nouvelle approche pour la modélisation de la volatilité en temps discret et continu. Nous adoptons la même approche que la littérature de la volatilité stochastique en supposant que la volatilité est une fonction d'une variable d'état. Néanmoins, au lieu de supposer que la fonction de lien est donnée de manière ad hoc (par exemple, exponentielle ou affine), nous supposons que c'est une combinaison linéaire des fonctions propres de l'opérateur espérance conditionnelle (générateur infinitésimal, respectivement) associé à la variable d'état en temps discret (continu, respectivement). Les modèles populaires exponentiels et racine carrée sont des exemples où les fonctions propres sont respectivement les polynomes de Hermite et de Laguerre. L'approche par fonctions propres a au moins six avantages : i) elle est générale puisque toute fonction de carré intégrable peut être écrite comme combinaison linéaire des fonctions propres; ii) l'orthogonalité des fonctions propres permet d'utiliser les interprétations usuelles de l'analyse en composantes principales linéaires; iii) les dynamiques induites de la variance et du carré de l'innovation sont des ARMA et donc sont simples pour la prévision et l'inférence statistique; iv) plus important, cette approche génère des queues épaisses pour les processus de volatilité et de rendements; v) à l'opposé des modèles usuels, la variance de la variance est une fonction flexible de la variance; vi) ces modèles sont robustes vis-à-vis de l'agrégation temporelle.
[ - ]
[ + ]