실현 변동성 예측을 위한 LSTNet 모형과 HARX모형의 결합

Abstract

본 연구의 목적은 HARX(heterogenous autoregressive model with exogenous variables)모형과 딥러닝 모형인 LSTNet(long and short-term time series network)모형을 이용한 5분 로그 수익률 실현변동성(realized volatility; RV)의 예측이다. HARX의 외생변수는 주가지수의 google 포탈 검색량, 환율, term spread, credit spread, federal fund deviation, 주가지수의 수익률을 활용했다. LSTNet모형은 변수들간의 단기 의존성과 시계열 추세의 장기 기억성을 포착한다. 표본 외 예측을 통해 HARX모형과 결합한 LSTNet모형은 다른 시계열 모델보다 우수한 성능을 보여주었다. 모형 비교에 Oxford-Man 라이브러리의 S&P 500 실현변동성 데이터가 활용되었으며, time-series nested CV 방법이 사용되었다. ;The purpose of the study is forecasting realized volatility (RV) of 5-minute log returns using heterogenous autoregressive model with exogenous variables (HARX) and deep learning mothods of the long- and short-term time series network (LSTNet). The exogenous variables for the HARX model are online search volume from google, us dollar exchanges rate for US/EUR and US/KR, term spread, credit spread, federal fund deviation, log return of stock index. The LSTNet model takes advantage of the short-term local dependency patterns among variables and long-term patterns for time series trends. An out-of-sample forcast comprasion shows that the LSTNet model which combined with the HARX spirit performs better than the other time series models. The comparison was made for the realized volatility of SPX obtained from the Oxford-Man realized library and time series nested CV(cross validation) method is used.