[論文レビュー] Forecasting crude oil market volatility: can the Regime Switching GARCH model beat the single-regime GARCH models?

Yue‐Jun Zhang, Ting Yao+1 more|arXiv (Cornell University)|Dec 5, 2015

Market Dynamics and Volatility参考文献 39被引用数 5

ひとこと要約

本稿は、日次、週次、月次頻度の原油市場のボラティリティ予測において、マルコフ・レジーム・スイッチングGARCH（MRS-GARCH）モデルと単一レジームGARCHモデル（線形GARCH、GJR-GARCH、EGARCH）の性能を評価している。MRS-GARCHモデルは、インサンプル推定および日次ボラティリティ予測において単一レジームモデルを上回るが、長期予測ではその優位性が薄れる一方、線形GARCHはバリューオブリスク（VaR）予測において優れた性能を示す。

ABSTRACT

In order to obtain a reasonable and reliable forecast method for crude oil price volatility, this paper evaluates the forecast performance of single-regime GARCH models (including the standard linear GARCH model and the nonlinear GJR-GARCH and EGARCH models) and the two-regime Markov Regime Switching GARCH (MRS-GARCH) model for crude oil price volatility at different data frequencies and time horizons. The results indicate that, first, the two-regime MRS-GARCH model beats other three single-regime GARCH type models in in-sample data estimation under most evaluation criteria, although it appears inferior under a few of other evaluation criteria. Second, the two-regime MRS-GARCH model overall provides more accurate volatility forecast for daily data but this superiority dies way for weekly and monthly data. Third, among the three single-regime GARCH type models, the volatility forecast of the nonlinear GARCH models exhibit greater accuracy than the linear GARCH model for daily data at longer time horizons. Finally, the linear single-regime GARCH model overall performs better than other three nonlinear GARCH type models in Value-at-Risk (VaR) forecast.

研究の動機と目的

• マークフ・レジーム・スイッチングGARCH（MRS-GARCH）モデルが、原油市場における標準的な単一レジームGARCHモデルよりも優れたボラティリティ予測を提供するかどうかを評価すること。
• 日次、週次、月次の異なるデータ頻度および予測期間の変化を考慮したモデルのパフォーマンスを評価すること。
• 線形および非線形GARCHモデル（GJR-GARCH、EGARCHを含む）の原油価格ボラティリティを捉える能力における予測精度を比較すること。
• バリューオブリスク（VaR）予測における各モデルの相対的パフォーマンスを評価すること、これは重要なリスク管理指標である。
• MRS-GARCHモデルが従来のGARCH仕様に対して統計的および経済的に意味のある改善を提供する条件を特定すること。

提案手法

• 原油市場ボラティリティの構造的シフトを捉えるために、二レジームのマルコフ・レジーム・スイッチングGARCH（MRS-GARCH）モデルを採用する。
• 標準的な単一レジームGARCHモデル（線形GARCH、GJR-GARCH（非対称ボラティリティ）、EGARCH（レバレッジ効果を考慮した指数GARCH））を適用する。
• 日次、週次、月次のデータ頻度におけるインサンプル推定とアウトオブサンプル予測を実施する。
• ボラティリティ予測精度の評価基準として、RMSE、MAE、および尤度に基づく指標を複数用いる。
• 各モデルのリスク予測性能を比較するため、バリューオブリスク（VaR）バックテストを実施する。
• 予測精度の差の有意性を、モデルおよび予測期間の違いを考慮して統計的検定により評価する。

実験結果

リサーチクエスチョン

• RQ1 MRS-GARCHモデルは、原油リターンのボラティリティ予測において、単一レジームGARCHモデルを上回る正確さを示すか？
• RQ2 MRS-GARCHモデルの予測パフォーマンスは、日次、週次、月次の異なるデータ頻度でどのように変化するか？
• RQ3 特に長期予測において、MRS-GARCHの優位性は維持されるか？
• RQ4 非線形GARCHモデル（GJR-GARCH、EGARCH）は、線形GARCHモデルと比較してボラティリティおよびVaR予測でどのように異なるか？
• RQ5 どのモデルが原油市場リスク管理のためのバリューオブリスク（VaR）予測において最も信頼性が高いか？

主な発見

• 二レジームMRS-GARCHモデルは、大多数の評価基準において三つの単一レジームGARCHモデルを上回るインサンプル推定性能を示すが、少数の特定基準ではわずかに劣る結果を示す。
• 日次データでは、MRS-GARCHモデルがすべての単一レジームモデルを上回るボラティリティ予測精度を達成するが、週次および月次データではその優位性が薄れる。
• 単一レジームモデルの中で、非線形GARCHモデル（GJR-GARCHおよびEGARCH）は、長期予測期間における日次データのボラティリティ予測精度が線形GARCHモデルを上回る。
• 線形単一レジームGARCHモデルが、全体として最も正確なバリューオブリスク（VaR）予測を提供し、すべての非線形GARCHモデルをこのリスク管理指標で上回る。
• MRS-GARCHモデルの優れたパフォーマンスは、特に市場ストレス時におけるボラティリティクラスタリングおよびレジームシフトの捉え込みに顕著に現れ、高頻度データにおいて顕著である。
• 結果から、MRS-GARCHモデルは短期的・高頻度な環境におけるボラティリティ予測を改善するが、VaRのようなリスク測定用途では、より単純な線形モデルが依然として望ましいことが示唆される。