波動率

使用更高解析度的數據預測每小時變化

  • September 2, 2020

假設有價格數據 $ P_{1}, P_{2}, \dots, P_{n} $ 具有一小時解析度,旨在預測提前一小時返回的變異數。第一個嘗試的方法是 ARCH 或 GARCH 模型。有很多關於這方面的論文。

接下來,假設目標是相同的,即提前一小時預測收益的變異數,但有可用的分鐘解析度數據。

使用所有數據的最佳方式是什麼?

儘管我只能就預測任務提供建議(見下文),但我想指出一個必須考慮的重大警告:日內價格波動——或者準確地說,絕對收益,表現出一種盤中模式,看起來像一波。這意味著數據是自相關的,這違反了 ARCH/GARCH 模型的假設(參見 Andersen & Bollerslev 1997 https://doi.org/10.1016/S0927-5398(97)00004-2)。

一種解決方案是建模並過濾掉這種模式,例如使用 FFF 回歸,如 Behrendt & Schmidt 2018 ( https://doi.org/10.1016/j.jbankfin.2018.09.016 )。之後,您可以使用 ARCH/GARCH 預測。

然後檢索 1 小時(或 60 分鐘)預測的一種方法是使用 60 個提前一步預測的滾動或擴展視窗。

此外,我可以推薦查找 HAR 模型,這些模型使用不同頻率的數據,例如 1 分鐘、5 分鐘和 30 分鐘波動率作為 AR 模型中的解釋變數。

引用自:https://quant.stackexchange.com/questions/57725