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 > econ > arXiv:2411.02804

帮助 | 高级搜索

经济学 > 计量经济学

arXiv:2411.02804 (econ)
[提交于 2024年11月5日 ]

标题: 超越传统VIX:识别金融市场不确定性冲击的新方法

标题: Beyond the Traditional VIX: A Novel Approach to Identifying Uncertainty Shocks in Financial Markets

Authors:Ayush Jha, Abootaleb Shirvani, Svetlozar T. Rachev, Frank J. Fabozzi
摘要: 我们引入了一种新的不确定性冲击识别策略,以解释金融市场中的宏观经济波动。芝加哥期权交易所波动率指数(VIX)衡量市场对未来波动性的预期,但基于二阶矩冲击和VIX时变波动的传统方法往往无法捕捉资产收益的非高斯、厚尾特性。为了解决这个问题,我们通过将双子序正态逆高斯莱维过程拟合到标普500期权价格,构建了一个修正的VIX,提供了一个更全面的波动性度量,反映了金融数据中观察到的极端波动和厚尾现象。使用公理化方法,我们引入了一类广义的风险回报比率,使用我们的修正VIX并拟合到分数时间序列,以更准确地识别金融市场中的不确定性冲击。
摘要: We introduce a new identification strategy for uncertainty shocks to explain macroeconomic volatility in financial markets. The Chicago Board Options Exchange Volatility Index (VIX) measures market expectations of future volatility, but traditional methods based on second-moment shocks and time-varying volatility of the VIX often fail to capture the non-Gaussian, heavy-tailed nature of asset returns. To address this, we construct a revised VIX by fitting a double-subordinated Normal Inverse Gaussian Levy process to S&P 500 option prices, providing a more comprehensive measure of volatility that reflects the extreme movements and heavy tails observed in financial data. Using an axiomatic approach, we introduce a general family of risk-reward ratios, computed with our revised VIX and fitted over a fractional time series to more accurately identify uncertainty shocks in financial markets.
主题: 计量经济学 (econ.EM) ; 统计金融 (q-fin.ST)
引用方式: arXiv:2411.02804 [econ.EM]
  (或者 arXiv:2411.02804v1 [econ.EM] 对于此版本)
  https://doi.org/10.48550/arXiv.2411.02804
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ayush Jha [查看电子邮件]
[v1] 星期二, 2024 年 11 月 5 日 04:34:27 UTC (1,135 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
econ.EM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-11
切换浏览方式为:
econ
q-fin
q-fin.ST

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