Forecasting volatility using cross-section information
| Autor: | Dornelas, Guilherme Nogueira |
|---|---|
| Přispěvatelé: | Escolas::EESP, Medeiros, Marcelo Cunha, Vasconcelos, Gabriel, Fernandes, Marcelo |
| Jazyk: | angličtina |
| Rok vydání: | 2022 |
| Předmět: | |
| Zdroj: | Repositório Institucional do FGV (FGV Repositório Digital) Fundação Getulio Vargas (FGV) instacron:FGV |
| Popis: | Esse artigo utiliza o modelo Elastic Net para prever a volatilidade intradiária do Índice Dow Jones 30 (DJI) cinco minutos a frente. Nós exploramos o cross-section ao tomarmos como candidatos a previsores as volatilidades passadas do próprio índice e de todos os seus 30 componentes. Primeiro, estimamos a volatilidade intradiária instantânea minuto a minuto, e agregamos em 5 minutos para diminuir erro de microestrutura. Em seguida, estimamos tanto o Elastic Net quanto o modelo benchmark tipo HAR em janelas móveis de 60 minutos. Encontramos que o modelo Elastic Net que inclui informações do cross-section nos fornece uma previsão estatisticamente mais acurada do que o modelo HAR usado como benchmark. This paper applies the Elastic Net model to make 5-minute ahead intraday volatility forecasting of the Dow Jones 30 Index (DJI). We exploit the cross-section information by taking the lagged volatility by 1, 3, 6, and 12 observations of the DJI components as candi- date predictors on our model. We first estimate intraday minute-to-minute spot volatility, aggregate by 5-minutes to diminish microstructure errors, and run both the Elastic Net and the HAR-type benchmark model in 60-rolling window estimation. We find that the Elastic Net including the cross-section information provides a statistically significant better out-of-sample fit, more accurate forecast than the HAR-type model. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|