Estoy utilizando un modelo GARCH(1,1) para estimar la volatilidad.
Para ello estoy utilizando datos horarios (tengo datos horarios para 100 días de negociación).
Además de eliminar la primera hora (que representa el rendimiento nocturno), ¿cuál es una forma sencilla pero eficaz de corregir mis datos intradía para tener en cuenta la estacionalidad intradía?
La forma tradicional es filtrar previamente los retornos gracias a la relación similar a : $r^{f}_{t} = r_{t} /\phi_{t}$ donde $r_{t}$ son los rendimientos logarítmicos al cuadrado, $r^{f}_{t}$ los rendimientos filtrados al cuadrado y $\phi_{t}$ el componente de periodicidad. $\phi_{t}$ es un componente intradiario determinista (el efecto estacional en el momento $t$ ). Estimamos el modelo GARCH en la serie filtrada (es decir, desestacionalizada) $r^{f}_{t}$ .
Existen varios modelos para caracterizar $\phi_{t}$ La propuesta de Boudt, K., Croux, C., & Laurent, S. (2011) es robusta a los saltos.
El Alta frecuencia El paquete R proporciona varias rutinas para modelar el componente determinista, véase aquí .
Véase también:
Andersen, T. G., y Bollerslev, T. (1997). Intraday periodicity and volatility persistence in financial markets. Journal of Empirical Finance, 4(2-3), 115-158. https://doi.org/10.1016/S0927-5398(97)00004-2
Boudt, K., Croux, C., & Laurent, S. (2011). Robust Estimation of Intraweek Periodicity in Volatility and Jump Detection. Journal of Empirical Finance, 18, 353-367. https://doi.org/10.2139/ssrn.1297371
FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.
