[논문 리뷰] Realized Wavelet Jump-GARCH model: Can time-frequency decomposition of volatility improve its forecasting?

Jozef Baruník, Lukáš Vácha|arXiv (Cornell University)|2012. 04. 06.

Financial Risk and Volatility Modeling인용 수 2

한 줄 요약

이 논문은 실현 변동성을 파형 변환을 사용해 여러 시간스케일로 분해하고, 이중 스케일 실현 변동성 추정기를 통해 점프 성분을 분리함으로써 실현 웨이블릿 점프-GARCH 모델을 제안한다. 이 모델은 단기 투자 수익률에 대한 고주파 정보를 포착함으로써, 1일 및 다중 기간 예측에서 기존 모델을 크게 능가하는 변동성 예측 성능을 향상시킨다.

ABSTRACT

This paper proposes an enhanced approach to modeling and forecasting volatility using high frequency data. Using a forecasting model based on Realized GARCH with multiple time-frequency decomposed realized volatility measures, we study the influence of different timescales on volatility forecasts. The decomposition of volatility into several timescales approximates the behaviour of traders at corresponding investment horizons. The proposed methodology is moreover able to account for impact of jumps due to a recently proposed jump wavelet two scale realized volatility estimator. We propose a realized Jump-GARCH models estimated in two versions using maximum likelihood as well as observation-driven estimation framework of generalized autoregressive score. We compare forecasts using several popular realized volatility measures on foreign exchange rate futures data covering the recent financial crisis. Our results indicate that disentangling jump variation from the integrated variation is important for forecasting performance. An interesting insight into the volatility process is also provided by its multiscale decomposition. We find that most of the information for future volatility comes from high frequency part of the spectra representing very short investment horizons. Our newly proposed models outperform statistically the popular as well conventional models in both one-day and multi-period-ahead forecasting.

연구 동기 및 목표

• 파형 변환을 사용해 실현 변동성을 별개의 시간스케일로 분해함으로써 변동성 예측 성능을 향상시키는 것.
• 이중 스케일 실현 변동성 추정기를 사용해 변동성의 점프 성분을 분리하고 모델링하는 것.
• 다양한 시간스케일으로 분해된 실현 변동성의 정확도가 표준 실현 GARCH 모델 대비 향상되는지 평가하는 것.
• 제안된 모델에서 최대우도 추정과 관측 기반 일반화된 자기회귀 스코어 추정 프레임워크 간 성능 비교.
• 다양한 투자 수익률 기간이 향후 변동성 예측에 기여하는 상대적 기여도를 규명하는 것.

제안 방법

• 고주파 실현 변동성을 다항 파형 변환을 적용해 다양한 시간스케일로 분해하여 각각 다른 투자 수익률 기간을 대표하도록 한다.
• 최근 개발된 이중 스케일 실현 변동성 추정기를 활용해 점프 변동성과 연속적 통합 변동성을 분리한다.
• 다양한 시간스케일과 점프 분해된 변동성 성분을 회귀변수로 사용하는 실현 GARCH 모델을 구축한다.
• 최대우도 추정과 일반화된 자기회귀 스코어(GAS) 관측 기반 프레임워크를 모두 사용해 모델을 추정한다.
• 최근 금융 위기 기간 동안의 외환 선물 가격 데이터를 활용해 시험 예측 평가를 수행한다.
• 다양한 실현 변동성 측정치를 기준으로 하여 예측 성능을 비교한다.

실험 결과

연구 질문

• RQ1 실현 변동성의 시간-주파수 분해가 변동성 예측 정확도를 향상시키는가?
• RQ2 연속 변동성에서 점프 변동성을 분리함으로써 예측 성능에 어떤 영향을 미치는가?
• RQ3 짧은, 중간, 긴 시간스케일 중 어느 것이 향후 변동성 예측에 가장 큰 기여를 하는가?
• RQ4 제안된 실현 웨이블릿 점프-GARCH 모델이 표준 실현 GARCH 모델과 기존 모델보다 우수한 예측 성능을 보이는가?
• RQ5 최대우도 추정과 관측 기반(GAS) 추정 프레임워크 간 제안된 모델의 맥락에서 성능 비교는 어떻게 이루어지는가?

주요 결과

• 점프 변동성과 통합 변동성을 분리함으로써 예측 성능이 크게 향상된다.
• 향후 변동성에 대한 예측 정보의 대부분은 변동성 스펙트럼의 고주파 성분에서 유래하며, 이는 매우 짧은 투자 수익률 기간에 해당한다.
• 제안된 실현 웨이블릿 점프-GARCH 모델은 1일 및 다중 기간 예측에서 인기 있는 모델과 기존 모델을 모두 능가하는 성능을 보인다.
• 모델의 다중 시간스케일 분해는 다양한 투자 수익률 기간에서 변동성 과정의 역학에 대한 새로운 통찰을 제공한다.
• 관측 기반 일반화된 자기회귀 스코어(GAS) 프레임워크는 경쟁적인 성능을 보이며, 이 클래스의 모델에 대해 실용 가능성을 시사한다.
• 웨이블릿 기반 분해를 사용함으로써 이질적인 시장 마이크로구조 효과를 시간스케일에 따라 포착함으로써 모델 적합도와 예측 정확도가 향상된다.