Do changes in the frequency of data affect the accuracy of estimation of the trend parameter in a jump diffusion process?

Este artículo explora el efecto que tiene la frecuencia de los datos en la precisión (medida por la varianza) del estimador de máxima verosimilitud (MLE - maximum likelihood estimator) del parámetro de tendencia μ en un proceso de difusión con salto a la Press (1967). Para ello, consideramos primero...

Full description

Autores:
Mejía Vega, Carlos Armando
Tipo de recurso:
Article of journal
Fecha de publicación:
2023
Institución:
Universidad Externado de Colombia
Repositorio:
Biblioteca Digital Universidad Externado de Colombia
Idioma:
spa
OAI Identifier:
oai:bdigital.uexternado.edu.co:001/15361
Acceso en línea:
https://bdigital.uexternado.edu.co/handle/001/15361
https://doi.org/10.18601/17941113.n24.03
Palabra clave:
Lévy process;
Poisson process;
Maximum likelihood;
diffusion;
jump-diffusion
Procesos de Lévy;
Proceso de Poisson;
máxima verosimilitud;
difusión;
difusión con salto
Rights
openAccess
License
Carlos Armando Mejía Vega - 2023
id uexternad2_0dad6ac97deb4ffb5e3f37367e91e016
oai_identifier_str oai:bdigital.uexternado.edu.co:001/15361
network_acronym_str uexternad2
network_name_str Biblioteca Digital Universidad Externado de Colombia
repository_id_str
dc.title.spa.fl_str_mv Do changes in the frequency of data affect the accuracy of estimation of the trend parameter in a jump diffusion process?
dc.title.translated.eng.fl_str_mv Do changes in the frequency of data affect the accuracy of estimation of the trend parameter in a jump diffusion process?
title Do changes in the frequency of data affect the accuracy of estimation of the trend parameter in a jump diffusion process?
spellingShingle Do changes in the frequency of data affect the accuracy of estimation of the trend parameter in a jump diffusion process?
Lévy process;
Poisson process;
Maximum likelihood;
diffusion;
jump-diffusion
Procesos de Lévy;
Proceso de Poisson;
máxima verosimilitud;
difusión;
difusión con salto
title_short Do changes in the frequency of data affect the accuracy of estimation of the trend parameter in a jump diffusion process?
title_full Do changes in the frequency of data affect the accuracy of estimation of the trend parameter in a jump diffusion process?
title_fullStr Do changes in the frequency of data affect the accuracy of estimation of the trend parameter in a jump diffusion process?
title_full_unstemmed Do changes in the frequency of data affect the accuracy of estimation of the trend parameter in a jump diffusion process?
title_sort Do changes in the frequency of data affect the accuracy of estimation of the trend parameter in a jump diffusion process?
dc.creator.fl_str_mv Mejía Vega, Carlos Armando
dc.contributor.author.spa.fl_str_mv Mejía Vega, Carlos Armando
dc.subject.eng.fl_str_mv Lévy process;
Poisson process;
Maximum likelihood;
diffusion;
jump-diffusion
topic Lévy process;
Poisson process;
Maximum likelihood;
diffusion;
jump-diffusion
Procesos de Lévy;
Proceso de Poisson;
máxima verosimilitud;
difusión;
difusión con salto
dc.subject.spa.fl_str_mv Procesos de Lévy;
Proceso de Poisson;
máxima verosimilitud;
difusión;
difusión con salto
description Este artículo explora el efecto que tiene la frecuencia de los datos en la precisión (medida por la varianza) del estimador de máxima verosimilitud (MLE - maximum likelihood estimator) del parámetro de tendencia μ en un proceso de difusión con salto a la Press (1967). Para ello, consideramos primero el caso sin saltos (es decir, el movimiento Browniano geométrico o GBM – geometric Brownian motion) como el modelo referencia, con el que se evidencia que la frecuencia de los datos es irrelevante. Acto seguido, consideramos el caso con saltos, en donde enfatizamos que las cosas son diferentes. Específicamente, observamos que en este caso la varianza asintótica del MLE del parámetro de tendencia es más alto que cuando no había saltos. Sin embargo, también observamos que cuando la frecuencia ocurre lo suficientemente seguido (alta frecuencia), es posible obtener la misma precisión para el MLE de μ que cuando se tiene el GBM, dado que para frecuencias más altas es más fácil “identificar” discontinuidades (saltos) en el precio para este modelo. Las pruebas matemáticas se llevan a cabo bajo el supuesto de que el MLE de μ se estima dados los demás parámetros, pero las simulaciones numéricas (Monte Carlo) demuestran que este es el caso también cuando todos los parámetros se estiman en conjunto.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-11-30T09:55:17Z
2024-06-07T07:31:13Z
dc.date.available.none.fl_str_mv 2023-11-30T09:55:17Z
2024-06-07T07:31:13Z
dc.date.issued.none.fl_str_mv 2023-11-30
dc.type.spa.fl_str_mv Artículo de revista
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_6501
dc.type.coarversion.spa.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/article
dc.type.local.eng.fl_str_mv Journal article
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/ARTREF
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
format http://purl.org/coar/resource_type/c_6501
status_str publishedVersion
dc.identifier.doi.none.fl_str_mv 10.18601/17941113.n24.03
dc.identifier.eissn.none.fl_str_mv 2346-2140
dc.identifier.issn.none.fl_str_mv 1794-1113
dc.identifier.uri.none.fl_str_mv https://bdigital.uexternado.edu.co/handle/001/15361
dc.identifier.url.none.fl_str_mv https://doi.org/10.18601/17941113.n24.03
identifier_str_mv 10.18601/17941113.n24.03
2346-2140
1794-1113
url https://bdigital.uexternado.edu.co/handle/001/15361
https://doi.org/10.18601/17941113.n24.03
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.bitstream.none.fl_str_mv https://revistas.uexternado.edu.co/index.php/odeon/article/download/9071/15141
dc.relation.citationedition.spa.fl_str_mv Núm. 24 , Año 2023 : Enero-Junio
dc.relation.citationendpage.none.fl_str_mv 54
dc.relation.citationissue.spa.fl_str_mv 24
dc.relation.citationstartpage.none.fl_str_mv 25
dc.relation.ispartofjournal.spa.fl_str_mv ODEON
dc.relation.references.spa.fl_str_mv Aıt-Sahalia, Y. (2004). Disentangling diffusion from jumps. Journal of Financial Economics, 74(3), 487-528. https://doi.org/10.1016/j.jfineco.2004.01.002
Ait-Sahalia, Y., Mykland, P. A., & Zhang, L. (2005). How often to sample a continuoustime process in the presence of market microstructure noise. The Review of Financial Studies, 18(2), 351-416. https://doi.org/10.1093/rfs/hhi016
Ball, C. A., & Torous, W. N. (1983). A simplified jump process for common stock returns. Journal of Financial and Quantitative Analysis, 18(1), 53-65. https://doi.org/10.2307/2330710
Ball, C. A., & Torous, W. N. (1985). On jumps in common stock prices and their impact on call option pricing. The Journal of Finance, 40(1), 155-173. https://doi.org/10.1111/j.1540-6261.1985.tb04890.x
Beckers, S. (1981). A note on estimating the parameters of the diffusion-jump model of stock returns. Journal of Financial and Quantitative Analysis, 16(1), 127-140. https://doi.org/10.2307/2330614
Chernov, M., Gallant, A. R., Ghysels, E., & Tauchen, G. (2003). Alternative models for stock price dynamics. Journal of Econometrics, 116(1-2), 225-257. https://doi.org/10.1016/S0304-4076(03)00151-4
Cont, R. (2001). Empirical properties of asset returns: stylized facts and statistical issues. Quantitative finance, 1(2), 223. https://doi.org/10.1080/713665670
Gloter, A., Loukianova, D. and Mai, H. (2016), Jump filtering and efficient drift estimation for Lévy-Driven SDE’S. Centre de Researche en Économie et Statisique. Série des Documents de Travail.
Härdle, W. K., & Simar, L. (2019). Applied multivariate statistical analysis. Springer Nature.
Honore, P. (1998). Pitfalls in estimating jump-diffusion models. Available at SSRN 61998.
Kiefer, N. M. (1978). Discrete parameter variation: Efficient estimation of a switching regression model. Econometrica: Journal of the Econometric Society, 427-434. https://doi.org/10.2307/1912371
Mai, H. (2012). Drift estimation for jump diffusions: time-continuous and highfrequency observations (Doctoral dissertation, Humboldt Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II).
Mai, H. (2014). Efficient maximum likelihood estimation for Lévy-driven Ornstein– Uhlenbeck processes. Bernoulli, 20(2), 919-957. https://doi.org/10.3150/13-BEJ537
Moreno Trujillo, J. F. (2011). Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas. ODEON, (6), 131-144. https://doi.org/
Phillips, P. C., & Yu, J. (2009). Maximum likelihood and Gaussian estimation of continuous time models in finance. In Handbook of Financial Time series (pp. 497-530). Springer.
Press, S. J. (1967). A compound events model for security prices. Journal of Business, 40(3), 317-335. https://doi.org/10.1086/295117
dc.rights.spa.fl_str_mv Carlos Armando Mejía Vega - 2023
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0
rights_invalid_str_mv Carlos Armando Mejía Vega - 2023
http://purl.org/coar/access_right/c_abf2
http://creativecommons.org/licenses/by-nc-sa/4.0
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad Externado de Colombia
dc.source.spa.fl_str_mv https://revistas.uexternado.edu.co/index.php/odeon/article/view/9071
institution Universidad Externado de Colombia
bitstream.url.fl_str_mv https://bdigital.uexternado.edu.co/bitstreams/5a64fb49-b5cd-4396-8fb5-6dc4205fb849/download
bitstream.checksum.fl_str_mv 6d935d1bc892b4db0bd9ea23b1e6d14e
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Universidad Externado de Colombia
repository.mail.fl_str_mv metabiblioteca@metabiblioteca.org
_version_ 1814100516390567936
spelling Mejía Vega, Carlos Armando2023-11-30T09:55:17Z2024-06-07T07:31:13Z2023-11-30T09:55:17Z2024-06-07T07:31:13Z2023-11-30Este artículo explora el efecto que tiene la frecuencia de los datos en la precisión (medida por la varianza) del estimador de máxima verosimilitud (MLE - maximum likelihood estimator) del parámetro de tendencia μ en un proceso de difusión con salto a la Press (1967). Para ello, consideramos primero el caso sin saltos (es decir, el movimiento Browniano geométrico o GBM – geometric Brownian motion) como el modelo referencia, con el que se evidencia que la frecuencia de los datos es irrelevante. Acto seguido, consideramos el caso con saltos, en donde enfatizamos que las cosas son diferentes. Específicamente, observamos que en este caso la varianza asintótica del MLE del parámetro de tendencia es más alto que cuando no había saltos. Sin embargo, también observamos que cuando la frecuencia ocurre lo suficientemente seguido (alta frecuencia), es posible obtener la misma precisión para el MLE de μ que cuando se tiene el GBM, dado que para frecuencias más altas es más fácil “identificar” discontinuidades (saltos) en el precio para este modelo. Las pruebas matemáticas se llevan a cabo bajo el supuesto de que el MLE de μ se estima dados los demás parámetros, pero las simulaciones numéricas (Monte Carlo) demuestran que este es el caso también cuando todos los parámetros se estiman en conjunto.This paper explores the effect of the frequency of data on the accuracy (measure by variance) of the maximum likelihood estimator (MLE) of the trend parameter μ in a jump-diffusion process à la Press (1967). First, we consider the case without jumps (i.e., the geometric Brownian motion (GBM)) as a benchmark case to show that the frequency of data is irrelevant in this first setting. Then, we consider the case with jumps and highlight that things are different in this second situation. Specifically, the asymptotic variance of the MLE of the trend parameter turns out to be higher compared to the case without jumps. Nevertheless, we also prove that when sampling occurs infinitely often (i.e., high frequency) it is possible to obtain the same accuracy for the MLE of μ as for the GBM, given that for higher frequencies it is easier to “identify” price discontinuities (i.e., jumps) for this model. Mathematical proofs are performed under the assumption that the MLE of μ is estimated given the other parameters, but numerical (Montecarlo) simulations indicate that this is also the case even when all parameters are estimated together.application/pdf10.18601/17941113.n24.032346-21401794-1113https://bdigital.uexternado.edu.co/handle/001/15361https://doi.org/10.18601/17941113.n24.03spaUniversidad Externado de Colombiahttps://revistas.uexternado.edu.co/index.php/odeon/article/download/9071/15141Núm. 24 , Año 2023 : Enero-Junio542425ODEONAıt-Sahalia, Y. (2004). Disentangling diffusion from jumps. Journal of Financial Economics, 74(3), 487-528. https://doi.org/10.1016/j.jfineco.2004.01.002Ait-Sahalia, Y., Mykland, P. A., & Zhang, L. (2005). How often to sample a continuoustime process in the presence of market microstructure noise. The Review of Financial Studies, 18(2), 351-416. https://doi.org/10.1093/rfs/hhi016Ball, C. A., & Torous, W. N. (1983). A simplified jump process for common stock returns. Journal of Financial and Quantitative Analysis, 18(1), 53-65. https://doi.org/10.2307/2330710Ball, C. A., & Torous, W. N. (1985). On jumps in common stock prices and their impact on call option pricing. The Journal of Finance, 40(1), 155-173. https://doi.org/10.1111/j.1540-6261.1985.tb04890.xBeckers, S. (1981). A note on estimating the parameters of the diffusion-jump model of stock returns. Journal of Financial and Quantitative Analysis, 16(1), 127-140. https://doi.org/10.2307/2330614Chernov, M., Gallant, A. R., Ghysels, E., & Tauchen, G. (2003). Alternative models for stock price dynamics. Journal of Econometrics, 116(1-2), 225-257. https://doi.org/10.1016/S0304-4076(03)00151-4Cont, R. (2001). Empirical properties of asset returns: stylized facts and statistical issues. Quantitative finance, 1(2), 223. https://doi.org/10.1080/713665670Gloter, A., Loukianova, D. and Mai, H. (2016), Jump filtering and efficient drift estimation for Lévy-Driven SDE’S. Centre de Researche en Économie et Statisique. Série des Documents de Travail.Härdle, W. K., & Simar, L. (2019). Applied multivariate statistical analysis. Springer Nature.Honore, P. (1998). Pitfalls in estimating jump-diffusion models. Available at SSRN 61998.Kiefer, N. M. (1978). Discrete parameter variation: Efficient estimation of a switching regression model. Econometrica: Journal of the Econometric Society, 427-434. https://doi.org/10.2307/1912371Mai, H. (2012). Drift estimation for jump diffusions: time-continuous and highfrequency observations (Doctoral dissertation, Humboldt Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II).Mai, H. (2014). Efficient maximum likelihood estimation for Lévy-driven Ornstein– Uhlenbeck processes. Bernoulli, 20(2), 919-957. https://doi.org/10.3150/13-BEJ537Moreno Trujillo, J. F. (2011). Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas. ODEON, (6), 131-144. https://doi.org/Phillips, P. C., & Yu, J. (2009). Maximum likelihood and Gaussian estimation of continuous time models in finance. In Handbook of Financial Time series (pp. 497-530). Springer.Press, S. J. (1967). A compound events model for security prices. Journal of Business, 40(3), 317-335. https://doi.org/10.1086/295117Carlos Armando Mejía Vega - 2023info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.http://creativecommons.org/licenses/by-nc-sa/4.0https://revistas.uexternado.edu.co/index.php/odeon/article/view/9071Lévy process;Poisson process;Maximum likelihood;diffusion;jump-diffusionProcesos de Lévy;Proceso de Poisson;máxima verosimilitud;difusión;difusión con saltoDo changes in the frequency of data affect the accuracy of estimation of the trend parameter in a jump diffusion process?Do changes in the frequency of data affect the accuracy of estimation of the trend parameter in a jump diffusion process?Artículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Textinfo:eu-repo/semantics/articleJournal articlehttp://purl.org/redcol/resource_type/ARTREFinfo:eu-repo/semantics/publishedVersionPublicationOREORE.xmltext/xml2610https://bdigital.uexternado.edu.co/bitstreams/5a64fb49-b5cd-4396-8fb5-6dc4205fb849/download6d935d1bc892b4db0bd9ea23b1e6d14eMD51001/15361oai:bdigital.uexternado.edu.co:001/153612024-06-07 02:31:13.904http://creativecommons.org/licenses/by-nc-sa/4.0Carlos Armando Mejía Vega - 2023https://bdigital.uexternado.edu.coUniversidad Externado de Colombiametabiblioteca@metabiblioteca.org