Sig. Ernesto
Vivace Impertinenza
tutti i modelli tendono a sovrastimare la volatilità un passo avanti.
La media di questo errore è tuttavia circa la metà nel modello DCEWMA.
La ragione è che tutti i modelli sono "sorpresi" da accadimenti (o rendimenti) ben superiori alla stima effettuata (asimmetria positiva in tutti ed eccesso di curtosi)
Questo errore di "sovrastima", che nei modelli Garch, ripeto, è il doppio che per il modello di EWMA centrata sulla distribuzione comporta quanto sempre Starica rileva utilizzando l'errore quadratico medio(MSE):
Analyzing one of these periods,we found the MSE for longer
horizon GARCH(1,1) volatility forecasts to be up to more than four times bigger than a simple forecast based on historical volatility.
e ripeto, poichè i parametri per la confezione dei modelli Garch cambiano nel tempo senza possibilità alcuna di prevederne l'evoluzione, qualsiasi fitting si possa fare
si traduce in un OVERFITTING piuttosto serio.
(.............)
O, invertendo, qualsiasi modello garch userai, alla fine, poichè non potrai mai stimare in anticipo la forma della distribuzione sulla quale effettuerai la tua regressione, otterrai risultati con errori di stima mediamente uguali.
Un esempio, il Vix; la stima ad un passo avanti della volatilità del Vix conferma, ancora una volta, quanto fin qui esposto.
L'errore medio assoluto percentuale per i 4 modelli garch tende ad uniformarsi.
La DC_EWMA risulta ancora una volta vincente.
Tutto quanto sopra potrebbe essere frutto di una mia manipolazione. Il metodo migliore per testare un modello che si intende pubblicizzare è farlo tramite comparazione con un benchmark noto e\o certificato.
Questo mi fa venire in mente che, se la moderazione di questa sezione specialistica lo consente, potrei aprire un thread dove la DC_EWMA viene comparata, da oggi in poi, con il forecast che troviamo qui
V-Lab: S&P 500 Composite Volatility Analysis With GARCH
il laboratorio del Nobel Prof.Robert Engle.
vediamo, non vorrei intasare con le mie corbellerie il forum..