previsión de la variación horaria con datos de mayor resolución disponibles

Question

Supongamos que se tienen datos sobre los precios $P_{1}, P_{2}, \dots, P_{n}$ con una resolución de una hora y tiene como objetivo pronosticar la varianza del rendimiento de una hora de antelación. El primer enfoque que se puede probar es el de los modelos ARCH o GARCH. Hay muchos artículos al respecto.

A continuación, supongamos que el objetivo es el mismo, es decir, prever la varianza de la rentabilidad con una hora de antelación, PERO con datos de resolución de minutos disponibles.

¿Cuál es la forma óptima de utilizar todos los datos?

Answer 1

Aunque sólo puedo ofrecer recomendaciones sobre la tarea de previsión (véase más abajo), quiero señalar una gran advertencia que hay que tener en cuenta: La volatilidad de los precios intradía, o para ser exactos, la rendimientos absolutos muestran un patrón intradiario que se parece a una onda. Esto implica que los datos están autocorrelacionados, lo que viola los supuestos de los modelos ARCH/GARCH (véase Andersen & Bollerslev 1997 https://doi.org/10.1016/S0927-5398(97)00004-2 ).

Una solución es modelar y filtrar este patrón, por ejemplo, utilizando la regresión FFF como en Behrendt & Schmidt 2018( https://doi.org/10.1016/j.jbankfin.2018.09.016 ). Después se pueden emplear previsiones ARCH/GARCH.

Una forma de obtener una previsión de una hora (o de 60 minutos) sería utilizar una ventana móvil o expansiva de 60 previsiones de un paso adelante.

Además, puedo recomendar la búsqueda de modelos HAR, que emplean datos en diferentes frecuencias, por ejemplo, la volatilidad de 1 minuto, 5 minutos y 30 minutos como variables explicativas en un modelo AR.