@ARTICLE{26543120_819340420_2023, 
	author = {А. Д. Аганин and В. А. Маневич and А. А. Пересецкий and П. В. Погорелова}, 
	keywords = {, биткоин, криптовалюта, реализованная волатильность, E-mini S&P 500, GARCH-модельHAR-RV-модель},
	title = {Сравнение моделей прогноза волатильности криптовалют и фондового рынка},
	journal = {Экономический журнал ВШЭ},
	year = {2023},
	volume = {27},
	number = {1},
	pages = {49-77},
	url = {https://ej.hse.ru/2023-27-1/819340420.html},
	publisher = {},
	abstract = {В статье сравниваются между собой GARСH и HAR-модели для прогноза на один день вперед реализованной волатильности финансовых рядов. В ка­честве примера выбрана криптовалюта с наибольшей капитализацией - Bitcoin. Ее реализованная волатильность вычисляется по внутридневным (внут­рисуточным - 24 часа) данным, с использованием закрывающих значений пятиминутных торговых интервалов. В работе предложен способ вычисле­ния реализованной волатильности для случая наличия пропусков в пяти­минутных внутрисуточных данных. Это позволяет добиться сопоставимо­сти дневных величин реализованной волатильности активов, время торгов которых отличается. Среди выбранных для прогнозирования дней практи­чески в равной степени присутствуют все дни недели. Для сравнения выбран актив - E-mini S&P 500 - фьючерсный контракт, который торгуется 23 часа в сутки. Сравнение происходит на интервале наблюдений с 01.01.2018 г. по 29.12.2021 г. Поскольку на этом интервале могли быть (и были) структурные изменения рынков, то модели оцениваются в скользящих окнах длиной 399 дней. Для каждого ряда сравниваются 810 GARCH-моделей (с учетом всех спецификаций моделей), а также 46312 HAR-моделей (с учетом различных преобразований данных 138936 моделей). Для отбора лучших моделей ис­пользуется MCS-тест (на уровне значимости 0,01). Показано, что GARCH-мо­дели уступают HAR-моделям в точности прогноза как реализованной вола­тильности Bitcoin, так и E-mini S&P 500. При этом относительная точность прогноза реализованной волатильности Bitcoin выше, чем точность прогно­за реализованной волатильности фьючерса E-mini S&P 500. Наименьшие от­носительные погрешности для прогнозов реализованной волатильности Bit­coin и E-mini S&P 500 составляют соответственно 29,5 и 36,1%.},
	annote = {В статье сравниваются между собой GARСH и HAR-модели для прогноза на один день вперед реализованной волатильности финансовых рядов. В ка­честве примера выбрана криптовалюта с наибольшей капитализацией - Bitcoin. Ее реализованная волатильность вычисляется по внутридневным (внут­рисуточным - 24 часа) данным, с использованием закрывающих значений пятиминутных торговых интервалов. В работе предложен способ вычисле­ния реализованной волатильности для случая наличия пропусков в пяти­минутных внутрисуточных данных. Это позволяет добиться сопоставимо­сти дневных величин реализованной волатильности активов, время торгов которых отличается. Среди выбранных для прогнозирования дней практи­чески в равной степени присутствуют все дни недели. Для сравнения выбран актив - E-mini S&P 500 - фьючерсный контракт, который торгуется 23 часа в сутки. Сравнение происходит на интервале наблюдений с 01.01.2018 г. по 29.12.2021 г. Поскольку на этом интервале могли быть (и были) структурные изменения рынков, то модели оцениваются в скользящих окнах длиной 399 дней. Для каждого ряда сравниваются 810 GARCH-моделей (с учетом всех спецификаций моделей), а также 46312 HAR-моделей (с учетом различных преобразований данных 138936 моделей). Для отбора лучших моделей ис­пользуется MCS-тест (на уровне значимости 0,01). Показано, что GARCH-мо­дели уступают HAR-моделям в точности прогноза как реализованной вола­тильности Bitcoin, так и E-mini S&P 500. При этом относительная точность прогноза реализованной волатильности Bitcoin выше, чем точность прогно­за реализованной волатильности фьючерса E-mini S&P 500. Наименьшие от­носительные погрешности для прогнозов реализованной волатильности Bit­coin и E-mini S&P 500 составляют соответственно 29,5 и 36,1%.}
}