波動率

了解已實現波動率的樣本外性能指標

  • September 1, 2021

我在實際波動過程中擬合了幾個模型,然後繼續獲得樣本外結果。除了告訴模型 A 似乎比模型 B 更好之外,我正在努力解釋這些結果。特別是,我希望回答這個問題:“模型 A 是否具有令人滿意的預測性能?”。

我似乎傾向於 MAPE 和 MZ-R2(Mincer-Zarnowitz R-squared)。這些似乎是絕對的措施。然而,我沒有足夠的經驗來相信我的判斷。

在此處輸入圖像描述

更新:Diebold-Mariano 表。

             ARFIMA(0,d,0) HAR(1,5,22) HAR(1,4,30) S-GARCH(1,1) GJR-GARCH E-GARCH REAL-GARCH
ARFIMA(0,d,0)       1.00000     0.04714     0.04828      0.00005   0.00004 0.00000    0.48256
HAR(1,5,22)         0.04714     1.00000     0.29521      0.05598   0.05561 0.05718    0.01175
HAR(1,4,30)         0.04828     0.29521     1.00000      0.03824   0.03875 0.04002    0.01156
S-GARCH(1,1)        0.00005     0.05598     0.03824      1.00000   0.62604 0.81480    0.00031
GJR-GARCH           0.00004     0.05561     0.03875      0.62604   1.00000 0.73391    0.00030
E-GARCH             0.00000     0.05718     0.04002      0.81480   0.73391 1.00000    0.00002
REAL-GARCH          0.48256     0.01175     0.01156      0.00031   0.00030 0.00002    1.00000

您可以將損失與每個模型進行比較,並確定“最佳”模型是損失最小的模型。在許多大型研究的情況下,如果一個或多個模型受到不同損失函式的青睞,結果可能會模棱兩可。因此,我們想知道我們是否可以根據模型之間的損失差異來建構評估性能顯著性的統計測試。事實證明,我們可以,並且已經在學術界進行了廣泛的研究。

預測對比分析:

當我們想做預測比較分析時,我們想做一件事:測試預測差異是否在統計上不為零。如果我們讓 $ L(\theta_t, \Sigma_{it}) $ 成為你的損失函式(想想 QLIKE 或 MSE) $ \Sigma_{it} $ 成為模型的共變異數估計 $ i $ 有時 $ t $ 和 $ \theta_t $ 是您強大的代理(因為波動性是潛在的)。那麼損失差可以定義為 $ d_{ij,t}=L(\theta_t, \Sigma_{it}) - L(\theta_t, \Sigma_{jt}) $ 具有相應的構造零假設:

$$ H_0: \quad \mathbb{E}\left[d_{ij,t}\right] = 0, \qquad \forall : t. $$

建構檢驗統計量,我們需要通常通過引導損失差然後計算引導標準誤差得到的標準誤差(直覺且在足夠的規律性下,引導標準誤差將接近總體標準誤差)。請注意,每種比較方法之間的(複合)零假設可能略有不同。

這是許多預測比較測試的起點,包括著名的 Diebold-Mariano 測試,這是一種成對預測比較測試。存在大量不同的預測比較方法,其中大多數集中在一次比較多個樣本外預測。在列出大部分之前,我希望您考慮閱讀兩篇使用預測比較方法研究不同波動率模型(度量)的文章

許多預測比較方法的理論背景非常廣泛且難以理解。因此,人們傾向於選擇一些方法,並通過理解它們背後的直覺和結果來走得更遠。從我讀過的許多文章中,Diebold-Mariano 檢驗是成對比較的最愛,而模型可信度集是多重預測比較的最愛。

列出不同的預測比較方法:

Kevin Sheppard在 Python 筆記本中提供了 SPA、Romano-Wolf 和 MCS 測試的良好圖形說明。它們也在他的arch 包中實現。


我絕不是上述預測比較方法的專家。但是,您可以通過理解方法背後的直覺(選擇一兩個方法)以及如何解釋輸出來走得更遠。為了使用它們,不需要了解測試背後的理論結果。我希望這會有所幫助

引用自:https://quant.stackexchange.com/questions/66577