將 EWMA 或 ARCH 模型與除平方收益以外的估計量相結合

目前，我使用具有平方對數回報的 EWMA 模型作為波動率的代理估計量，以便在盤中情景中提前一步預測波動率（時間框架是幾分鐘）

但是，我閱讀並觀察了平方收益，因為波動率估計器有其局限性。所以現在我想使用更複雜的估計器，比如 Garman-Klass。

我的問題是：

• 將諸如 Garman-Klass 之類的估計器與諸如 EWMA 或任何 ARCH 系列之類的波動率模型相結合是否可能而且是明智的？
• 或者當我使用這些估計器（即 Garman-Klass）來預測波動率時，我什至需要像 EWMA 或 *ARCH 這樣的波動率模型？

有關於通過使用除經典平方收益估計器之外的其他估計器來改進 *ARCH 模型的論文。

以下是一些連結：

在論文中，各種波動率估計器對改進基於 GARCH 的波動率預測有多大用處？例如，來自納斯達克 - 100 股票指數的證據研究比較了 GARCH 模型中使用的不同估計量，例如帕金森、加曼-克拉斯。通過將它們與不同的誤差度量進行比較，它們提供了這些估計器有用性的度量。

在Dennis S. Mapa 的 A Range-Based GARCH Model for Forecasting Volatility 中，不同的 GARCH 模型（例如 Garch(1,2) EGarch 等）通過使用帕金森估計量進行了升級。然後再次通過不同的誤差度量對它們進行比較。

這兩本書對我來說都是非常有趣的讀物。

引用自：https://quant.stackexchange.com/questions/30375