Modelování volatility na vysokofrekvenčních datech

Philipp Buev

Master's thesis

Volatility modeling on high-frequency data

Abstract:

Tato diplomová práce se zabývá modelováním volatility na vysokofrekvenčních datech. V dané práci jsou aplikovány čtyři typy HAR modelů: HAR-RV, HAR-RV-J, HAR-Q a HAR-Q-J. Analýza se provádí na 5minutové časové řadě indexu Moskevské burzy (MOEX). Hlavním cílem dané diplomové práce je výběr nejlepšího modelu pro modelování a předvídání volatility na finančních trzích. Dalším cílem práce je zjistit, zda rozšíření základních typů HAR modelů o realizovanou quarticity a o regresory skoků má pozitivní vliv na predikční schopnosti modelů. Volatilita se bude odhadovat na následující den a na následující týden. V aplikační části této práce budou porovnány předpovědní schopnosti HAR modelů pomocí RMSE, indexu determinace a Mincer – Zarnowitz regrese, a to jak na in-sample, tak i na out-sample datech. Výsledky provedené analýzy ukazují, že rozšíření HAR modelů o regresory skoků zlepšuje předpovědi volatility na následující den, však rozšíření o realizovanou quarticity nemá pozitivní vliv na výkonnost modelů. V případě predikcí volatility na následující týden nelze jednoznačně určit, zda realizovaná quarticity zlepšuje predikční schopnosti HAR modelů. V případě rozšíření modelů o regresory skoků je vidět zlepšení předpovědních schopností modelů při predikci volatility na následující týden. HAR-RV-J model dosáhl nejlepších výsledků při denním horizontu předpovědi. Při týdenním horizontu předpovědi nejlepším modelem je také HAR RV-J.

Abstract:

This master thesis deals with volatility modeling on high-frequency data. There are four types of HAR models applied: HAR-RV, HAR-RV-J, HAR-Q and HAR-Q-J. The analysis is carried out on a 5-minute time series of the Moscow Stock Exchange Index (MOEX). The main aim of the thesis is to select the best model for modeling and forecasting volatility in financial markets. Another goal of the thesis is to find out if the extension of basic types of HAR models by realized quarticity and by jump variables has a positive effect on the predictive capabilities of models. Volatility will be estimated for the next day and the following week. In the application part of this thesis, the predictive capability of HAR models will be compared using RMSE, determination index and Mincer - Zarnowitz regression on both in-sample and out-sample data. The results of the analysis show that the extension of HAR models by jump variables does improve the volatility forecasts for the following day, but the extension by realized quarticity does not have positive impact to the performance of model. In the case of volatility predictions for the following week, it cannot be unambiguously determined if the realized quarticity improves predictive ability of HAR models. If models are extended by jump variables, we can see an increase in the performance of the models in volatility prediction for the following week. The HAR-RV-J model achieved the best results at the daily forecast horizon. Also, at the weekly forecast horizon, the best model is HAR-RV-J.

Keywords

realizovaná volatilita, vysokofrekvenční data, bipower variance, realizovaná variance, realizovaná quarticity, HAR modely

Keywords

realized quarticity, HAR models, realized volatility, high-frequency data, bipower variation, realized variation

Language used: Czech

Date on which the thesis was submitted / produced: 13. 3. 2019

Thesis defence

• Date of defence: 13. 2. 2020
• Supervisor: Jiří Witzany
• Reader: Martin Diviš

Vysoká škola ekonomická v Praze

Master programme / field:
Finance a účetnictví / Finanční inženýrství