Estimación de un modelo de difusión con saltos con distribución de error generalizada asimétrica usando algoritmos evolutivos
Cargando...
Autores
Ospina Arango, Juan David
Director
Tipo de contenido
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
En este trabajo se considera el problema de estimar los parámetros de un proceso de difusión con saltos (jump-diffusion) donde la magnitud de los saltos se asume dada por una variable aleatoria que se distribuye bajo la distribución de error generalizada asimétrica (SGED). Se aproxima la densidad de los rendimientos del proceso utilizando la aproximación Bernoulli-Poisson y recurriendo a la transformada rápida de Fourier (FFT). Con la densidad aproximada se encuentra, vía máxima verosimilitud, los parámetros del proceso usando varias técnicas de optimización para encontrar el óptimo de la log-verosimilitud, entre las cuales el mejor desempeño lo brinda la Evolución Diferencial (DE)
Abstract. In this work is considered the parameters estimation problem of a jump-diffusion process with jumps magnitudes given by a random variable distributed under the asymmetric generalized error distribution (SGED). The returns density is approached using the Bernoulli-Poisson approximation and the fast Fourier transform (FFT). With the approached density, using maximum likelihood, the parameters of the models are found through the application of several optimization techniques, among which the Differential Evolution (DE) gives the better performance.
Abstract. In this work is considered the parameters estimation problem of a jump-diffusion process with jumps magnitudes given by a random variable distributed under the asymmetric generalized error distribution (SGED). The returns density is approached using the Bernoulli-Poisson approximation and the fast Fourier transform (FFT). With the approached density, using maximum likelihood, the parameters of the models are found through the application of several optimization techniques, among which the Differential Evolution (DE) gives the better performance.