Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-fin > arXiv:1103.4943

帮助 | 高级搜索

定量金融 > 风险管理

arXiv:1103.4943 (q-fin)
[提交于 2011年3月25日 ]

标题: 动态多尺度对冲的实证分析使用小波分解

标题: An Empirical Analysis of Dynamic Multiscale Hedging using Wavelet Decomposition

Authors:Thomas Conlon, John Cotter
摘要: 本文研究了使用小波分解时间序列形成的动态移动窗口OLS对冲模型的对冲效果。小波变换被用来计算多种资产在不同对冲期限下的适当动态最小方差对冲比率。然后,使用标准方差减少方法测试了动态多尺度对冲策略的有效性,并扩展包括一个下行风险指标——与时间范围相关的风险价值。使用方差减少测量,有效性在较长尺度上趋于1,而VaR减少的测量表明所有尺度上都存在部分剩余风险。对冲组合分布的分析表明,这种未对冲的尾部风险与所有尺度上发现的超额组合峰度有关。
摘要: This paper investigates the hedging effectiveness of a dynamic moving window OLS hedging model, formed using wavelet decomposed time-series. The wavelet transform is applied to calculate the appropriate dynamic minimum-variance hedge ratio for various hedging horizons for a number of assets. The effectiveness of the dynamic multiscale hedging strategy is then tested, both in- and out-of-sample, using standard variance reduction and expanded to include a downside risk metric, the time horizon dependent Value-at-Risk. Measured using variance reduction, the effectiveness converges to one at longer scales, while a measure of VaR reduction indicates a portion of residual risk remains at all scales. Analysis of the hedge portfolio distributions indicate that this unhedged tail risk is related to excess portfolio kurtosis found at all scales.
评论: 即将发表:《期货市场杂志》
主题: 风险管理 (q-fin.RM) ; 一般金融 (q-fin.GN); 投资组合管理 (q-fin.PM)
引用方式: arXiv:1103.4943 [q-fin.RM]
  (或者 arXiv:1103.4943v1 [q-fin.RM] 对于此版本)
  https://doi.org/10.48550/arXiv.1103.4943
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Thomas Conlon [查看电子邮件]
[v1] 星期五, 2011 年 3 月 25 日 10:49:21 UTC (180 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
q-fin.GN
< 上一篇   |   下一篇 >
新的 | 最近的 | 2011-03
切换浏览方式为:
q-fin
q-fin.PM
q-fin.RM

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号