DOI: https://doi.org/10.3934/math.2025842
تاريخ النشر: 2025-01-01
المؤلف: R. Alraddadi
الموضوع الرئيسي: نموذج المخاطر المالية وتقلبات السوق
نظرة عامة
تقدم هذه الورقة نموذج BLGARCH (MS-TBLG) القائم على التحول ماركوف، والذي يعزز إطار العمل التقليدي لـ BLGARCH (MS-BLG) من خلال دمج آلية العتبة وتأثيرات التفاعل بين العوائد والتقلبات الشرطية. تتيح هذه المقاربة المبتكرة تمثيلًا أكثر دقة للتقلبات المعتمدة على النظام، لا سيما في التقاط التأثيرات غير المتماثلة مثل تأثير الرفع، حيث تؤثر الصدمات السلبية والإيجابية على التقلبات بشكل مختلف عبر الأنظمة. يحدد المؤلفون الشروط الأساسية لاستقرارية وعلاقة السببية والارغوديك للعميلة MS-TBLG ويستخرجون تعبيرات تحليلية لدوال التباين الخاصة بها، مع الأخذ في الاعتبار تأثير العتبة. تم تطوير إجراء تقدير باستخدام طريقة اللحظات العامة (GMM) لمعالجة تعقيدات ديناميات التحول ماركوف، مما يضمن تقديرًا متسقًا للمعلمات على الرغم من التحولات غير المرصودة في النظام. يتم التحقق من قوة النموذج من خلال محاكاة مونت كارلو، ويتم إثبات قابليته العملية من خلال تحليل تجريبي لبيانات أسعار النفط.
في الختام، يمثل نموذج MS-TBLG تقدمًا كبيرًا في نمذجة الديناميات المعقدة والتغيرات الهيكلية في السلاسل الزمنية المالية. يضمن الإطار النظري وجود حلول مستقرة وسببية وارغوديك، بينما تدعم دوال التباين المستخرجة تطبيق النموذج. تشمل اتجاهات البحث المستقبلية دمج الصدمات الخارجية، ومعالجة عدم اليقين في سياسة المناخ، وتوسيع الإطار إلى سياق متعدد المتغيرات، وتحسين أداء التنبؤ خارج العينة من خلال مقاييس تقييم متقدمة. تهدف هذه التحسينات إلى تحسين دقة التنبؤ وقابلية تطبيق نموذج MS-TBLG في السيناريوهات الواقعية.
مقدمة
تستعرض مقدمة هذه الورقة البحثية تطور وأهمية نمذجة التقلبات في السلاسل الزمنية المالية، لا سيما من خلال تطوير نماذج GARCH بواسطة إنجل وبولرسليف. تلتقط هذه النماذج بشكل فعال تجمع التقلبات وغيرها من الحقائق النمطية في البيانات المالية لكنها تواجه صعوبات مع السلوكيات غير المتماثلة، لا سيما تأثيرات الرفع حيث تؤثر الصدمات السلبية بشكل غير متناسب على التقلبات. لمعالجة هذه القيود، تم اقتراح نماذج متقدمة مثل نموذج GARCH الثنائي (BLG) ونموذج GARCH الثنائي القائم على العتبة (TBLG)، مما يعزز القدرة على نمذجة عدم التماثلات والتفاعلات بين الصدمات السابقة والتقلبات.
تقدم الورقة أيضًا نموذج GARCH الثنائي القائم على التحول ماركوف (MS-TBLG)، الذي يجمع بين الهياكل الثنائية والعتبة مع آلية التحول ماركوف. يسمح هذا النموذج بديناميات معتمدة على النظام، حيث يلتقط كل من الاستجابات الفورية للسوق للصدمات والتغيرات الهيكلية الأساسية في التقلبات. تم تصميم نموذج MS-TBLG لتحسين دقة التنبؤ وإدارة المخاطر من خلال استيعاب أنماط التقلبات المعقدة التي لوحظت في الأسواق المالية. ستتناول الأقسام اللاحقة من الورقة الخصائص النظرية وطرق التقدير والتطبيقات العملية لنموذج MS-TBLG، لا سيما في سياق البيانات المالية الواقعية.
مناقشة
في هذا القسم، يناقش المؤلفون الشروط اللازمة لإقامة حلول صارمة، من الدرجة الثانية، سببية، وارغوديك لنموذج GARCH الثنائي القائم على التحول ماركوف (MS-TBLG). يؤكدون على فائدة تحويل النموذج إلى تمثيل ماركوفي، مما يبسط التحليل ويعزز القابلية للتفسير. يقدم المؤلفون تدوينات متجهة ويعرضون تمثيلًا متجهًا للنموذج، مشيرين إلى أنه بينما العملية \( \Upsilon_\tau \) وحدها ليست سلسلة ماركوف، فإن العملية المجمعة \( (\Upsilon’_\tau, \delta’_\tau) \) تلبي خاصية ماركوف، مما يسهل التنبؤات الأفضل لديناميات النظام.
يؤسس القسم أيضًا وجود حل فريد يكون سببيًا، صارم الاستقرارية، ارغوديك، ومحدود في الاحتمالية، مشروطًا بأن يكون الأس exponent \( L_\Psi \) سالبًا. يقدم المؤلفون نظرية توضح الشروط التي يمكن من خلالها اشتقاق هذا الحل الفريد، مؤكدين على أهمية شرط نصف القطر الطيفي لضمان الاستقرارية من الدرجة الثانية. كما يناقشون آثار الاستقرارية المحلية مقابل الاستقرارية العالمية في سياق نماذج MS-TBLG، مشيرين إلى أنه بينما تكون الاستقرارية المحلية ضمن الأنظمة كافية للاستقرارية العالمية، فإن العكس ليس بالضرورة صحيحًا. يختتم المؤلفون بالتطرق إلى اختيار هيكل عتبة ذو حالتين في النموذج، والذي يوازن بين القوة النظرية والكفاءة الحسابية، بينما يقترحون أيضًا مسارات للبحث المستقبلي التي يمكن أن تستكشف هياكل عتبة أكثر تعقيدًا.
DOI: https://doi.org/10.3934/math.2025842
Publication Date: 2025-01-01
Author(s): R. Alraddadi
Primary Topic: Financial Risk and Volatility Modeling
Overview
This paper presents a novel Markov-switching threshold BLGARCH (MS-TBLG) model, which enhances the traditional Markov-switching BLGARCH (MS-BLG) framework by integrating a threshold mechanism and interaction effects between returns and conditional volatility. This innovative approach allows for a more nuanced representation of regime-dependent volatility, particularly in capturing asymmetric effects like the leverage effect, where negative and positive shocks influence volatility differently across regimes. The authors establish essential conditions for the stationarity, causality, and ergodicity of the MS-TBLG process and derive analytical expressions for its power covariance functions, accommodating the threshold effect. A generalized method of moments (GMM) estimation procedure is developed to address the complexities of Markov-switching dynamics, ensuring consistent parameter estimation despite unobserved regime shifts. The model’s robustness is validated through Monte Carlo simulations, and its practical applicability is demonstrated with empirical analysis of oil price data.
In conclusion, the MS-TBLG model represents a significant advancement in modeling complex dynamics and structural changes in financial time series. The theoretical framework guarantees the existence of stationary, causal, and ergodic solutions, while the derived covariance functions support the model’s application. Future research directions include integrating external shocks, addressing climate policy uncertainty, extending the framework to a multivariate context, and improving out-of-sample forecasting performance through advanced evaluation metrics. These enhancements aim to further refine the MS-TBLG model’s forecasting accuracy and applicability in real-world scenarios.
Introduction
The introduction of this research paper outlines the evolution and significance of volatility modeling in financial time series, particularly through the development of GARCH models by Engle and Bollerslev. These models effectively capture volatility clustering and other stylized facts in financial data but struggle with asymmetric behaviors, particularly leverage effects where negative shocks disproportionately affect volatility. To address these limitations, advanced models such as the bilinear-GARCH (BLG) and threshold bilinear-GARCH (TBLG) have been proposed, enhancing the ability to model asymmetries and interactions between past shocks and volatilities.
The paper further introduces the Markov-switching threshold bilinear GARCH (MS-TBLG) model, which combines the bilinear and threshold structures with a Markov-switching mechanism. This model allows for regime-dependent dynamics, capturing both immediate market responses to shocks and underlying structural changes in volatility. The MS-TBLG model is designed to improve forecasting accuracy and risk management by accommodating complex volatility patterns observed in financial markets. The subsequent sections of the paper will delve into the theoretical properties, estimation methods, and practical applications of the MS-TBLG model, particularly in the context of real-world financial data.
Discussion
In this section, the authors discuss the conditions necessary for establishing strict, second-order stationary, causal, and ergodic solutions for the Markov-switching Threshold-Bounded Linear Gaussian (MS-TBLG) model. They emphasize the utility of transforming the model into a Markovian representation, which simplifies analysis and enhances interpretability. The authors introduce vector notations and present a vectorial representation of the model, highlighting that while the process \( \Upsilon_\tau \) alone is not a Markov chain, the combined process \( (\Upsilon’_\tau, \delta’_\tau) \) satisfies the Markov property, facilitating better predictions of the system’s dynamics.
The section further establishes the existence of a unique solution that is causal, strictly stationary, ergodic, and bounded in probability, contingent upon the Lyapunov exponent \( L_\Psi \) being negative. The authors provide a theorem that outlines the conditions under which this unique solution can be derived, emphasizing the importance of the spectral radius condition for ensuring second-order stationarity. They also discuss the implications of local versus global stationarity in the context of MS-TBLG models, noting that while local stability within regimes is sufficient for global stationarity, the reverse is not necessarily true. The authors conclude by addressing the choice of a two-state threshold structure in the model, which balances theoretical robustness with computational efficiency, while also suggesting avenues for future research that could explore more complex threshold structures.