A dynamic state-space HAR model

Mike Tsionas

doi:10.1016/j.jeconom.2025.106146

A dynamic state-space HAR model

2025-11-14

0

OA

AI

DOI：10.1016/j.jeconom.2025.106146

原文链接

查看原文

摘要

En 中文

异质自回归模型用于实现波动率对数（HARL）因其简洁性和捕捉RV中通常观察到的强持续性的能力，已被确立为建模和预测收益波动率的基准设定。为解决测量误差、非线性及非球形残差等潜在问题，文献中已开发了基准HARL模型的众多变体。本文通过提出一类具有时变参数的动态状态空间模型，为该领域的研究做出了贡献。参数动态被假定为遵循自回归过程，有无随机波动率，由此产生两种设定：SHARP和SHARP-SV。这两个模型均旨在捕捉收益波动率的演变特性，并通过粒子吉布斯采样进行贝叶斯推断估计。对SPY、行业ETF、代表性NYSE股票及VIX指数的高频数据的实证应用表明，本文提出的模型在预测波动率方面平均优于其他HARL-based设定，尤其在中等和长期预测时。广泛的蒙特卡洛分析进一步说明了本文方法在估计准确性和预测性能方面的优势。

Keyword:

Time-varying coefficients

HAR models

Particle Gibbs sampling

State Space models

Volatility forecasting

A dynamic state-space HAR model

摘要

AI总结

期刊

机构

引用论文