برآوردهای نوسان زبر مبتنی بر اختیار معامله، پیش‌بینی‌های HAR را بهبود می‌دهند
خلاصه
این مطالعه می‌پرسد آیا برآوردهای نوسان نقدی استخراج‌شده از اختیارهای معامله‌شده می‌توانند پیش‌بینی نوسان تحقق‌یافته را بهبود دهند. این پژوهش مدل خودرگرسیو ناهمگن نوسان تحقق‌یافته را با برآوردی از نوسان تصادفی زبر تقویت می‌کند که با روشی تکرارشونده و دومرحله‌ای، مبتنی بر پژوهش‌های پیشین، به دست می‌آید. برای سرعت‌بخشیدن به برآورد در پنل‌های بزرگ اختیار معامله از یک مدل جانشین یادگیری عمیق استفاده می‌شود.
مشخصات تقویت‌شده HAR-RV-RHeston با مدل‌های سنتی نوسان تصادفی، از جمله Heston، Bates و SVCJ، و نیز شاخص VIX مقایسه می‌شود. نتایج گزارش‌شده دقت بهتر پیش‌بینی روزانه نوسان تحقق‌یافته را نشان می‌دهند و عملکرد برتر تا افق‌های یک‌ماهه ادامه دارد. سند مقایسه‌های پیش‌بینی را ارائه می‌کند، اما دوره داده، معیارهای ارزیابی یا معناداری آماری را مشخص نمی‌کند؛ بنابراین از این خلاصه به‌تنهایی نمی‌توان قدرت و تعمیم‌پذیری بهبودهای گزارش‌شده را ارزیابی کرد.
ایده‌های کلیدی
- مدل می‌آزماید که آیا نوسان نقدی مستنبط از اختیار معامله، ارزش پیش‌بینی به مدل نوسان تحقق‌یافته HAR می‌افزاید یا نه.
- نوسان نقدی با استفاده از مدل نوسان تصادفی زبر و روشی تکرارشونده و دومرحله‌ای برآورد می‌شود.
- یک مدل جانشین یادگیری عمیق، برآورد از پنل‌های بزرگ اختیار معامله را سریع‌تر می‌کند.
- مدل تقویت‌شده با Heston، Bates، SVCJ و VIX مقایسه می‌شود.
- بهبودهای پیش‌بینی گزارش‌شده از پیش‌بینی‌های روزانه تا افق‌های یک‌ماهه ادامه دارند.
برچسب‌ها
متن کامل
# 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.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.