聚宽 get_price 多个股票数据_精品细读|股票市场指数的多元波动率预测

• 这是“高频数据”第183篇推送

• 编辑:庞丹(西南交通大学经济管理学院)

• 审稿:唐瑜穗(西南交通大学经济管理学院)

• 仅用于学术交流，原本版权归原作者和原发刊所有

导读

contents

本期推送一篇发表在International Journal of Forecasting期刊上的一篇文章：Multivariate volatility forecasts for stock market indices。该论文使用扩展的异质自回归(HAR)模型预测了多个国际股票市场指数的已实现方差，并提供了全面的实证分析，旨在指导从业者和应用研究人员如何选择预测变量、滞后结构和估计模型，以获得可靠的波动率预测效果。

标题

Multivariate volatility forecasts for stock market indices

文章信息

(网页截图)

Abstract

Volatility forecasts aim to measure future risk and they are key inputs for financial analysis. In this study, we forecast the realized variance as an observable measure of volatility for several major international stock market indices and accounted for the different predictive information present in jump, continuous, and option-implied variance components. We allowed for volatility spillovers in different stock markets by using a multivariate modeling approach. We used heterogeneous autoregressive (HAR)-type models to obtain the forecasts. Based an out-of-sample forecast study, we show that: (i) including option-implied variances in the HAR model substantially improves the forecast accuracy, (ii) lasso-based lag selection methods do not outperform the parsimonious day-week-month lag structure of the HAR model, and (iii) cross-market spillover effects embedded in the multivariate HAR model have long-term forecasting power.

论文简介

本文基于4个美国股票市场指数和6个欧洲股票市场指数，使用扩展的HAR模型来获得股票市场指数的对数化已实现方差预测。在实证研究中比较了预测变量、滞后结构以及单变量和多元模型的24种组合的预测性能。多个股票市场指数中的样本外结果一致表明：1.用期权隐含方差来扩展标准HAR模型预测更精确；2.与基于Lasso的滞后结构相比，标准HAR模型的日-周-月滞后结构更可取；3.考虑股票市场指数之间溢出的多变量HAR型模型在较长的预测范围内比单变量模型表现更好。此外，网络分析强调了国际股票市场指数之间存在显著波动溢出的时变性。

文章亮点

亮点1:考虑了跳跃、连续和期权隐含方差分量中存在的不同预测信息，并与仅包含已实现方差预测变量的标准HAR模型预测性能进行了比较;

亮点2:比较了基于绝对或平方预测误差的统计损失函数的预测性能；

亮点3:对比了单变量模型和多变量模型预测效果。

作者信息

Ines Wilms:Maastricht University, The Netherlands;

Jeroen Rombouts:ESSEC Business School, France;

Christophe Croux:EDHEC Business School, France.

引用格式

Wilms, I., Rombouts, J., & Croux, C., 2020. Multivariate volatility forecasts for stock market indices[J]. International Journal of Forecasting.

原文链接

http://www.sciencedirect.com/science/article/pii/S0169207020301035(或点击左下角“

相似研究

1. The VIX, the variance premium and stock market volatility. Journal of Econometrics,2014.

2.A vector heterogeneous autoregressive index model for realized volatility measures. International Journal of Forecasting,2017.

3.Volatility spillover shifts in global financial markets. Economic Modelling,2018. 

4.The impact of sentiment and attention measures on stock market volatility. International Journal of Forecasting ,2019.

了解我们

微信公众号“高频数据”精推关于高频数据波动率和收益率预测等最新国际高质量期刊论文和工作论文，同时搭配推送相关领域高级别期刊目录，旨在丰富学术推文市场内容，搭建国内外高频数据预测的交流平台。该公众号由华南理工大学杨科教授，西南交通大学马锋副教授带领的团队负责。

版块分区

团队介绍

团队成员/团队老师

推文部分

精品细读/团队成果/工作论文

期刊目录

金融类Top5期刊系列推送:包括JF、RFS、JFE、JFQA、ROF

高级别期刊系列推送:包括JOE、JBES、JBF、IJOF、JAE、JOF

高频数据

因为有你的关注

而变得温暖