探索加密货币波动率预测中的模型不确定性问题:log转换、时区采样以及模型设定
Exploring Model Uncertainty in Cryptocurrency Volatility Prediction:log-Transformation,Time-Zone Sampling,and Model Specification作者机构：上海对外经贸大学金融管理学院上海201620 上海财经大学商学院上海200433
出 版 物：《系统科学与数学》 (Journal of Systems Science and Mathematical Sciences)
年 卷 期：2024年第44卷第3期
页 面：824-843页
核心收录：
学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0201[经济学-理论经济学] 020204[经济学-金融学（含∶保险学）] 07[理学] 020203[经济学-财政学（含∶税收学）] 070104[理学-应用数学] 020101[经济学-政治经济学] 0701[理学-数学]
基 金：上海市哲学社会科学规划一般课题项目(2020BJB026)资助课题
摘 要：文章全面地比较了一系列模型在预测加密货币波动率时的表现.结果发现,粗糙波动率模型在预测多期样本外的波动率时表现更加稳健和可靠,而异质自回归(HAR)模型相对较弱,但经过log转换后的HAR模型在预测上则表现更优.此外,考虑到加密货币的特点,选取合适的时区划分依据也非常重要,因为不同的时区可能对加密货币市场的波动率产生影响.研究还引入了最小二乘模型平均法来应对波动率建模中的模型不确定性.结果表明,模型平均方法在加密货币市场波动率预测中相比其他方法具有优越性,能够平衡不同模型之间的优缺点,提高预测的可信度和稳定性,对于预测市场的波动性是非常有效的.文章研究指出,在选择合适的波动率模型时需要综合考虑加密货币波动率的特性和历史表现,并且在应用模型时需要注意其在不同数据集和预测目标下的表现,避免盲目使用导致预测效果的不确定性.
维普期刊数据库
同方期刊数据库