.png){kind=icon}
返回
Model specification for volatility forecasting benchmark
.png){kind=icon}
PRE
AI
DOI：10.1016/j.irfa.2024.103850.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
资产价格波动率预测的理想模型设定仍然是一个悬而未决的问题。从变量转换的角度来看，现有研究任意选择原始波动率度量、其平方根形式或其自然对数形式。本文中，无论是样本内还是样本外预测结果，均支持与原始波动率变量相比，变量转换的有效性。值得注意的是，对数转换显示出压倒性的优势。我们的结果在三十个全球股票指数、五种加密货币、一个原油市场以及广泛的扩展和稳健性检验中均成立。在统计学上，我们发现对数转换可以通过缓解异方差性和序列相关性问题，使得回归估计量更有效率。因此，让我们达成共识：波动率预测的基准模型应基于原始波动率度量的自然对数形式。
Keyword:
Volatility forecasting
Benchmark model
Model specification
Variable transformation
Natural logarithm
期刊
IF:
9.8
论文数:
4.2K
被引数:
1.9W
机构
引用论文
Return and volatility connectedness across global ESG stock indexes: Evidence from the time-frequency domain analysis全球ESG股指的收益率和波动率关联性: 来自时频域分析的证据
.png){kind=icon}
PREAI
分享收藏Forecasting realized volatility of agricultural commodity futures with infinite Hidden Markov HAR models基于无限隐马尔可夫HAR模型的农产品期货实际波动率预测
OAAI
OAAI分享收藏分享收藏分享收藏
查看更多内容