An integrated heteroscedastic autoregressive model for forecasting realized volatilities

Abstract

A new strategy is proposed for the heteroscedastic autoregressive (HAR) model of Corsi (2009, A simple approximate long-memory model of realized volatility, Journal of Financial Econometrics 7 (2), 174-196). The strategy is constraining the sum of the HAR coefficients to one, resulting in an integrated model, called IHAR model. The IHAR model is motivated by stationarity of estimated HAR model, downward biases of estimated HAR coefficients, and over-rejection of ADF test for long-memory processes. Considerable out-of-sample forecast improvements of the IHAR model over the HAR model is demonstrated for realized volatilities of 4 financial assets: the US S&P 500 index, the US NASDAQ index, the Japan yen / US dollar exchange rate, and the EU euro / US dollar exchange rate.;본 논문은 보편적으로 실현변동성 예측에 사용되는 Corsi 의 heteroscedastic autoregressive (HAR) 모형에 비정상성을 적용하여 실현변동성을 예측하는 새로운 모형을 제시한다. 기존의 HAR 모형의 계수들의 합을 1로 고정하는 제약 조건을 두었고, Integrated HAR (IHAR) 모형이라고 지칭하였다. 이는 장기 기억성을 갖는 시계열 자료를 정상 조건하에서 추정하면 HAR 모델의 계수들이 실제보다 작게 추정되며, Augmented Dickey-Fuller (ADF) 검정이 과대 기각되는 경향을 반영한 것이다. 실증분석으로 총 4가지 주요 금융 시계열 데이터 (미국 S&P500 주가지수, NASDAQ 주가지수, 엔/달러 환율, 그리고 유로/달러 환율) 를 이용하였다. 그 결과 IHAR 모델의 예측력이 HAR 모델의 예측력보다 뛰어나고, 장기예측을 할수록 더 좋아지는 것을 확인할 수 있었다.