• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>The North American journal of economics and finance >Forecasting volatility with component conditional autoregressive range model
【24h】

Forecasting volatility with component conditional autoregressive range model

机译：预测组件条件自回归范围模型的波动性

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we propose a component conditional autoregressive range (CCARR) model for forecasting volatility. The proposed CCARR model assumes that the price range comprises both a long-run (trend) component and a short-run (transitory) component, which has the capacity to capture the long memory property of volatility. The model is intuitive and convenient to implement by using the maximum likelihood estimation method. Empirical analysis using six stock market indices highlights the value of incorporating a second component into range (volatility) modelling and forecasting. In particular, we find that the proposed CCARR model fits the data better than the CARR model, and that it generates more accurate out-of-sample volatility forecasts and contains more information content about the true volatility than the popular GARCH, component GARCH and CARR models.
机译：在本文中，我们提出了一种用于预测波动性的组件条件自回归范围（CCARR）模型。所提出的CCARR模型假设价格范围包括长期（趋势）组件和短期（暂时）组件，其具有捕获波动率的长内存属性的能力。该模型通过使用最大似然估计方法实现直观且方便。使用六个股票市场指标的实证分析突出了将第二个组件纳入范围（波动性）建模和预测的值。特别地，我们发现所提出的CCARR模型比CARR模型更好地拟合数据，并且它产生更准确的样本挥发性预测，并包含比流行的GARCH，组件GARCH和CARR的真实波动的更多信息内容楷模。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号