[论文解读] 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 5

一句话总结

本文评估了 regime-switching GARCH（MRS-GARCH）模型在原油市场波动率预测中相对于单 regime GARCH 模型（线性 GARCH、GJR-GARCH 和 EGARCH）的表现，涵盖每日、每周和每月频率。MRS-GARCH 模型在样本内估计和日度波动率预测中表现优于单 regime 模型，但在更长预测区间其优势减弱，而线性 GARCH 在风险价值（VaR）预测中表现更优。

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.

研究动机与目标

• 评估马尔可夫 regime 切换 GARCH（MRS-GARCH）模型是否在原油市场中提供优于标准单 regime GARCH 模型的波动率预测。
• 评估模型在不同数据频率（每日、每周、每月）和不同预测区间下的表现。
• 比较线性与非线性 GARCH 模型（包括 GJR-GARCH 和 EGARCH）在捕捉原油价格波动率方面的预测准确性。
• 考察各模型在风险价值（VaR）预测中的相对表现，这是关键的风险管理指标。
• 确定 MRS-GARCH 模型在何种条件下相对于传统 GARCH 规范具有统计上和经济上显著的改进。

提出的方法

• 采用两 regime 马尔可夫 regime 切换 GARCH（MRS-GARCH）模型以捕捉原油波动率中的结构性变化。
• 应用标准单 regime GARCH 模型：线性 GARCH、GJR-GARCH（非对称波动率）和 EGARCH（用于杠杆效应的指数 GARCH）。
• 在每日、每周和每月数据频率下，进行样本内估计和样本外预测。
• 采用多种评估标准：RMSE、MAE 和基于似然的指标，以衡量波动率预测准确性。
• 进行风险价值（VaR）回测，以比较各模型的风险预测表现。
• 应用统计检验，评估不同模型和预测区间下预测准确性差异的显著性。

实验结果

研究问题

• RQ1 MRS-GARCH 模型是否为原油收益提供了比单 regime GARCH 模型更准确的波动率预测？
• RQ2 MRS-GARCH 的预测表现如何随不同数据频率（每日、每周、每月）而变化？
• RQ3 MRS-GARCH 的优越性是否在不同预测区间（尤其是长区间）下依然持续？
• RQ4 非线性 GARCH 模型（GJR-GARCH、EGARCH）与线性 GARCH 模型在波动率和 VaR 预测中的表现如何比较？
• RQ5 哪种模型能为原油市场风险管理提供最可靠的 VaR 预测？

主要发现

• 在大多数评估标准下，两 regime MRS-GARCH 模型在样本内估计中优于三种单 regime GARCH 模型，尽管在少数特定标准下略逊一筹。
• 对于日度数据，MRS-GARCH 模型的波动率预测精度高于所有单 regime 模型，但该优势在周度和月度数据中减弱。
• 在单 regime 模型中，非线性 GARCH 模型（GJR-GARCH 和 EGARCH）在长预测区间下对日度数据的波动率预测精度高于线性 GARCH 模型。
• 线性单 regime GARCH 模型在整体 VaR 预测中表现最准确，优于所有非线性 GARCH 模型，是该风险管理指标中的领先者。
• MRS-GARCH 模型在捕捉高频数据中的波动率聚集和 regime 切换方面表现最为突出，尤其是在市场压力时期。
• 结果表明，尽管 MRS-GARCH 在短期高频设定下改善了波动率预测，但更简单的线性模型在风险度量应用（如 VaR）中仍为更优选择。