Bayesian Forecasting on Intraday Volatility with Nonlinear GARCH Models

• 영문명: 비선형 GARCH모형을 이용한 일중 변동성의 베이지언 예측
• 발행기관: 한국경제통상학회
• 저자명: 박수남(Soo Nam Park) 김영재(Young-Jae Kim)
• 간행물 정보: 『경제연구』經濟硏究 第30卷 第4號, 223~255쪽, 전체 33쪽
• 주제분류: 경제경영 > 경제학
• 파일형태: PDF
• 발행일자: 2012.11.30

국문 초록

본 연구는 베이지안 접근방식을 적용하여 초고빈도 조건부이분산을 추정하고 GARCH모형을 확장한 여러 변동성 모형들의 예측성과를 비교하였다. 본고에서는 GARCH 모형에 비선형 함수를 도입한 비선형모형들을 제시하고 통계적 추론방법으로서 M-H 알고리즘을 적용한 MCMC 절차를 제시하였다. 또한 변동성의 예측에 사용한 표본에 따라 예측성과가 상이한지를 파악하기 위하여 12가지의 표본외예측실험을 실시하여 모든 모형의 예측성과를 비교하였다. 예측성과를 측정한 결과 표본을 달리한 12가지의 예측실험간에 유의할만한 예측성과의 차이를 발견하기 어려웠다. 그러나, 모든 모형의 예측시점간에는 예측력의 차이가 드러나 변동성 모형들의 예측력이 안정적이지 못하였다. 이는 초고빈도 자료에서 가격변동성이 매우 불안정적인데 기인하거나, 또는 GARCH류의 모형들이 변동성과정의 구조를 대변하기 보다는 단지 data-fitting에 불과하다는 점을 시사한다.

영문 초록

The purpose of this paper is to apply a Bayesian method to simulate the modified nonlinear GARCH models. In addition, the paper specifies the forecast performances on several GARCH models. The main findings and implications are as follows: First, forecast performances on most of GARCH models are not significantly different across the experiments with different sample sizes, however, the performances are different across forecast points. This finding indicates that if one has enough observations then she needs not extend observation to forecast intraday volatilities. Second, the forecast power of all models is different across forecast time points, which represents that the forecast power of the GARCH models are not stable. The price volatility in UHF data is non-stationary so that a proper forecast model may depend on the forecast time points. Third, the more complicated model, the more required computing time. However, the difference of computing time across models is not significant so that t-distribution models can be applied to the forecast of intraday volatility.

목차

Abstract

1. Introduction

2. The Models

3. The Data and Methods

4. Empirical Analysis

5. Conclusion

References

국문요약

키워드

비선형 GARCH 초고빈도 마코프체인 몬테카를로 Long Gilt 선물 nonlinear GARCH ultra-high-frequency MCMC method Long Gilt futures