当statevector-→惯性矩-1在第一期确定- 1,每个k的i周期乘数Mk,ifor∈ {1,2,·······················································-1有可能1- γk,(284),其中mk,iis取自P(M)。MSM模型允许对分布P(M)和任何离散或连续分布(E(M)=1定义的n M)有多种规格∈ (0, ∞) 可以利用。引入两个参数γ′k∈ (0、1)和b∈ (1, ∞), 跃迁概率规定为γk=1- (1 - γ′k)bk-\'k,(285)或等效γk=1- (1 - γ) 黑色-显然,γkis是k的单调递增函数,因此k值小的Mk,i对应低频分量,k值大的Mk,i对应高频分量。对于较小的γ和k值,公式(286)的阿泰勒多项式近似可得出γk≈ γbk-1.(287)因此,低频分量的跃迁概率大约以几何速率b增长,而高频分量的跃迁概率增长速率减慢。MSM模型可以产生金融资产回报的主要类型化事实。它包含多重频率波动,价格过程是多重分形跳扩散过程[469]。低频乘数的变化会导致波动率的不连续性和长记忆性,高频乘数会产生大量的异常值,从而导致收益率的厚尾,而乘法过程的层级级联确保了r e转折中多重分形的出现。价格过程的多重分形谱完全由乘数的概率分布p(M)决定【104】。4.3.2.
|