Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
https://hdl.handle.net/123456789/1513| Τύπος: | Ανακοίνωση σε συνέδριο |
| Τίτλος: | Augmenting the Realized-GARCH: the role of signed-jumps, attenuation-biases and long-memory effects |
| Συγγραφέας: | [EL] Παπαντώνης, Ιωάννης[EN] Papantonis, Ioannis [EL] Ρομπόλης, Λεωνίδας[EN] Rompolis, Leonidas [EL] Τζαβαλής, Ηλίας[EN] Tzavalis, Elias [EL] Αγαπητός, Ορέστης[EN] Agapitos, Orestis |
| Ημερομηνία: | 20/12/2020 |
| Περίληψη: | The focus is on the Realized-GARCH framework. We extend the Realized-GARCH to incorporate additional intra-day realized measures capturing different volatility asymmetry sources. We also consider a volatility-of-volatility effect, which can correct for attenuation-biases in measuring Realized Variance (RV), as well as heterogeneous terms of RV, which approximate long-memory properties of variance. These extensions are well-justified by the ongoing literature on Heterogeneous Auto-Regressive (HAR) models. Moreover, we examine the impact of allowing for skewed/leptokurtic distributions on the flexibility of the models to fit returns and variance jointly. Two main conclusions can be drawn from the results of our empirical analysis. First, the model-extensions that we suggest improve both the in- and out-of-sample performance of the model to predict RV, compared to the standard Realized-GARCH. This finding is justified by several goodness-of-fit and prediction-accuracy metrics that we report, as well as by a series of out-of-sample equal-prediction performance tests. Second, allowing for asymmetric/fat-tailed return distributions also seems to play a crucial role in the accurate filtering of the innovations, and consistently helps the identification of the parameters of the volatility process. This further enhances the prediction performance of all the augmented GARCH-type specifications that we consider in our analysis. |
| Γλώσσα: | Αγγλικά |
| Τόπος δημοσίευσης: | London, England Virtual |
| Σελίδες: | 1 |
| ISBN: | 978-9963-2227-9-7 |
| Θεματική κατηγορία: | [EL] Οικονομετρία[EN] Econometrics |
| Κάτοχος πνευματικών δικαιωμάτων: | © 2020 ECOSTA ECONOMETRICS AND STATISTICS. All rights reserved |
| Όροι και προϋποθέσεις δικαιωμάτων: | No part of this book may be reproduced, stored in a retrieval system, or transmitted, in any other form or by any means without the prior permission from the publisher |
| Ηλεκτρονική διεύθυνση του τεκμηρίου στον εκδότη: | http://www.cfenetwork.org/CFE2020/docs/BoACFECMStatistics2020.pdf?20201211020028 |
| Ηλεκτρονική διεύθυνση περιοδικού: | http://www.cfenetwork.org/CFE2020/ |
| Τίτλος πηγής δημοσίευσης: | Abstracts of the 14th International Conference on Computational and Financial Econometrics (Virtual CFE 2020) |
| Σελίδες τεκμηρίου (στην πηγή): | 62 |
| Όνομα εκδήλωσης: | 14th International Conference on Computational and Financial Econometrics |
| Τοποθεσία εκδήλωσης: | London, UK |
| Ημ/νία έναρξης εκδήλωσης: | 19/12/2020 |
| Ημ/νία λήξης εκδήλωσης: | 21/12/2020 |
| Εμφανίζεται στις συλλογές: | Ερευνητικές ομάδες |
Αρχεία σε αυτό το τεκμήριο:
Το πλήρες κείμενο αυτού του τεκμηρίου δεν διατίθεται προς το παρόν από το αποθετήριο