Повышение информативности прогнозов реализованной волатильности

Пусть имеется N доступных календарных дней, для каждого из которых наблюдается по M внутридневных доходностей. В литературе по реализованной волатильности предлагается формировать N оценок на конец дня путем суммирования M квадратов доходностей для каждой конкретной даты. Вместо такого подхода «Calendar» на основе реализованной дисперсии (RV) мы предлагаем подход «Rolling» на основе скользящей реализованной дисперсии (RRV), который просто суммирует последние M доходностей в каждый момент времени независимо от того, относятся ли все M доходностей к одному календарному дню. При оценивании модели реализованной волатильности на один день вперед вне выборки первый подход приводит к регрессии методом наименьших квадратов (OLS) с N−1 наблюдениями, тогда как второй использует M(N−2)+1 наблюдений, что фактически снижает стандартные ошибки и потенциально обеспечивает более точные прогнозы. Мы сравниваем обе модели для индекса S&P 500 и 26 акций, входящих в промышленный индекс Dow Jones; результаты в целом показывают, что подход Rolling обеспечивает статистически и экономически значимо более высокую эффективность прогнозирования вне выборки по сравнению с традиционным подходом Calendar.