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...
- 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 |