Volltext-Downloads (blau) und Frontdoor-Views (grau)

Calibration of Heston's stochastic volatility model to an empirical density using a genetic algorithm

  • In diesem Artikel schlagen wir die Verwendung eines genetischen Algorithmus (GA) zur Kalibrierung eines Stochastischen Prozesses an eine empirische Dichte von Aktienrenditen vor. Anhand des Heston Models zeigen wir wie eine solche Kalibrierung durchgeführt werden kann. Neben des Pseudocodes für einen einfachen aber leistungsfähigen GA präsentieren wir zudem auch Kalibrierungs-ergebnisse für den DAX und den S&P 500.
  • In this paper we propose the use of genetic algorithms when fitting a stochastic process to the empirical density of stock returns. Using the Heston Model as an example, we show how such a calibration can be carried out. We also present an easy to implement genetic algorithm and provide calibration results for the daily stock returns of the DAX and the S&P 500.

Download full text files

Export metadata

Additional Services

Search Google Scholar

Statistics

frontdoor_oas
Metadaten
Author:Urij Dolgov
URN:urn:nbn:de:hbz:832-cos-795
Series (Serial Number):Forschung am ivwKöln (3/2015)
Document Type:Working Paper
Language:German
Year of Completion:2015
Release Date:2015/03/06
Tag:Aktienrenditen; Empirische Dichte; Heston Model; Modellkalibrierung; Stochastische Prozesse
Empirical Density; Heston Model; Model Calibration; Stochastic Processes; Stock Returns
GND Keyword:Dichte <Stochastik>
Institutes and Central Facilities:Fakultät für Wirtschafts- und Rechtswissenschaften (F04) / Fakultät 04 / Institut für Versicherungswesen
Dewey Decimal Classification:300 Sozialwissenschaften / 330 Wirtschaft
Open Access:Open Access
Licence (German):License LogoCreative Commons - Namensnennung, Nicht kommerziell, Keine Bearbeitung