Las estimaciones de volatilidad rough basadas en opciones mejoran las previsiones de HAR

Resumen

Este estudio analiza si las estimaciones de volatilidad spot extraídas de opciones negociadas pueden mejorar las previsiones de volatilidad realizada. Amplía un modelo autorregresivo heterogéneo de volatilidad realizada con una estimación de volatilidad estocástica rough, inferida mediante un procedimiento iterativo de dos pasos basado en trabajos anteriores. Un modelo sustituto de aprendizaje profundo acelera la estimación en grandes paneles de opciones.

La especificación HAR-RV-RHeston ampliada se compara con modelos tradicionales de volatilidad estocástica, incluidos Heston, Bates y SVCJ, así como con el índice VIX. Los resultados comunicados muestran una mayor precisión en las previsiones diarias de volatilidad realizada, con un rendimiento superior sostenido en horizontes de hasta un mes. El documento presenta comparaciones de previsiones, pero no especifica el periodo de los datos, las métricas de evaluación ni la significación estadística, por lo que este resumen no permite evaluar la solidez ni la generalidad de las mejoras comunicadas.

Ideas clave

• El modelo evalúa si la volatilidad spot implícita en opciones aporta valor predictivo a un modelo HAR de volatilidad realizada.
• La volatilidad spot se infiere con un modelo de volatilidad estocástica rough mediante un método iterativo de dos pasos.
• Un modelo sustituto de aprendizaje profundo acelera la estimación a partir de grandes paneles de opciones.
• El modelo ampliado se compara con Heston, Bates, SVCJ y VIX.
• Las mejoras de previsión comunicadas abarcan desde predicciones diarias hasta horizontes de un mes.

Etiquetas

# On options-driven realized volatility forecasting: Information gains via rough volatility model


# On options-driven realized volatility forecasting: Information gains via rough volatility model









We examine whether model-based spot volatility estimators extracted from traded options data enhance the predictive power of the Heterogeneous Autoregressive (HAR) model for realized volatility. Specifically, we infer spot volatility under the rough stochastic volatility model via an iterative two-step approach following Andersen et al. (2015a) and adopt a deep learning surrogate to accelerate model estimation from large-scale options panels. Benchmarked against traditional stochastic volatility models (Heston, Bates, SVCJ) and the VIX index, our results demonstrate that the augmented HAR-RV-RHeston model improves daily realized volatility forecasting accuracy and sustains superior performance across horizons up to one month.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.