• 응용통계연구
• /
• 제31권2호
• /
• pp.205-216
• /
• 2018

본 논문에서는 모형 기반 GARCH 변동성, 실현변동성(realized volatility; RV), 역사적 변동성(historical volatility), 지수가중이동평균(exponentially weighted moving average; EWMA) 등 다양한 변동성 추정 방법을 소개하고, 실현변동성에 비대칭 효과(leverage effect)를 반영한 분계점 실현변동성(threshold-asymmetric realized volatility; T-RV)을 제안하였다. 또한, 예시를 위해 KOSPI 고빈도 수익률 자료의 변동성을 분석하였다.

• Communications for Statistical Applications and Methods
• /
• 제25권6호
• /
• pp.659-671
• /
• 2018

In this study, we consider the extension of the heterogeneous autoregressive (HAR) model for realized volatility by incorporating a neural network (NN) structure. Since HAR is a linear model, we expect that adding a neural network term would explain the delicate nonlinearity of the realized volatility. Three neural network-based HAR models, namely HAR-NN, $HAR({\infty})-NN$, and HAR-AR(22)-NN are considered with performance measured by evaluating out-of-sample forecasting errors. The results of the study show that HAR-NN provides a slightly wider interval than traditional HAR as well as shows more peaks and valleys on the turning points. It implies that the HAR-NN model can capture sharper changes due to higher volatility than the traditional HAR model. The HAR-NN model for prediction interval is therefore recommended to account for higher volatility in the stock market. An empirical analysis on the multinational realized volatility of stock indexes shows that the HAR-NN that adds daily, weekly, and monthly volatility averages to the neural network model exhibits the best performance.

• The Journal of Asian Finance, Economics and Business
• /
• 제9권7호
• /
• pp.1-15
• /
• 2022

Combining the strength of both Mixed Data Sampling (MIDAS) Regression and realized variance measures, this paper seeks to investigate two objectives: (1) evaluate the post-sample performance of the proposed weekly Realized Variance-MIDAS (RVar-MIDAS) in one-week ahead volatility forecasting against the established Generalized Autoregressive Conditional Heteroskedasticity (GARCH) model and the less explored but robust STES (Smooth Transition Exponential Smoothing) methods. (2) comparing forecast error performance between realized variance and squared residuals measures as a proxy for actual volatility. Data of seven private equity mutual fund indices (generated from 57 individual funds) from two different time periods (with and without financial crisis) are applied to 21 models. Robustness of the post-sample volatility forecasting of all models is validated by the Model Confidence Set (MCS) Procedures and revealed: (1) The weekly RVar-MIDAS model emerged as the best model, outperformed the robust DAILY-STES methods, and the weekly DAILY-GARCH models, particularly during a volatile period. (2) models with realized variance measured in estimation and as a proxy for actual volatility outperformed those using squared residual. This study contributes an empirical approach to one-week ahead volatility forecasting of mutual funds return, which is less explored in past literature on financial volatility forecasting compared to stocks volatility.

• Communications for Statistical Applications and Methods
• /
• 제17권2호
• /
• pp.293-308
• /
• 2010

본 연구는 2003년 1월 3일부터 2007년 6월 29일 동안의 실현변동성 측정방법에 따른 KOSPI200 지수의 변동성 예측성과를 비교 분석하였다. 또한 VKOSPI 선물이 상장되면 기초자산인 VKOSPI의 예측이 중요한 이슈가 되므로 어떤 변동성이 VKOSPI를 잘 예측할 수 있는지에 대한 분석도 실시하였다. 본 연구에서는 고빈도 자료를 사용하여 실현변동성을 산출할 때, 우리나라 주식거래의 특성인 동시호가제도를 반영할 수 있는 방법과 야간변동성과 주간변동성의 차이를 고려해주기 위하여 기존의 연구에서는 일간수익률(daily return)을 사용한 것과는 달리 일중수익률(intradaily return)을 사용하여 조정해주는 방법을 제시하였다. 새롭게 제시된 실현변동성은 기존의 실현변동성 측정방법과는 t-검증과 F-검증에서 0.01% 이하 유의수준에서 차이가 있고 기초통계량측면에서 보다 안정적(stable)인 것으로 나타났다. 변동성 측정 방법에 VKOSPI의 예측성과를 상관분석, 회귀분석, 교차타당성 (cross validation) 성과를 통한 검증에서 본 논문에서 새롭게 제시한 실현변동성 측정방법이 가장 예측력이 높았다. 회귀분석을 통한 미래 실현될 실현변동성에 대한 예측 검증결과 변동성지수인 VKOSPI가 역사적 변동성이나 CRR 내재변동성보다 우수함을 기존의 방법론과 새롭게 제시된 방법론에서 동시에 확인할 수 있었다.

• 응용통계연구
• /
• 제29권3호
• /
• pp.505-512
• /
• 2016

본 연구에서는 금융시계열의 일간 변동성 측정을 위해 가중 융합 방법을 제안하고 있다. 고빈도(high frequency)자료에 기반을 둔 조정된 실현변동성을 계산하고 이를 참 값으로 간주하여 제안된 가중 융합 변동성에서 최적 가중치를 결정하는 과정을 서술하였다. 국내 KOSPI200자료의 1분 단위 고빈도 주가로부터 조정된 실현변동성을 구한 후 최적의 가중 융합 변동성을 제안해 보았다.

• Journal of Korea Trade
• /
• 제23권2호
• /
• pp.110-126
• /
• 2019

Purpose - This paper examines the recently realized continuous volatility and discrete jumps of US Dollar/Euro returns using the frequency of five minute returns spanning the period from February 2010 through February 2018with periodicity filters. Design/Methodology - This paper adopts the nonparametric estimation. The realized volatility and Realized Outlying Weighted variations show non-Gaussian, fat-tailed, and leptokurtic distributions. Some significant volatility jumps in returns occurred from 2010 through 2018, and the very exceptionally large and irregular jumps occurred around 2010-2011, after the EU financial crisis, and 2015-2016. The outliers occurred somewhat frequently around the years of 2015 and 2016. Originality/value - When we include periodicity filters of volatility such as MAD, Short Half Scale, and WSD, the five minute returns of US Dollar/Euro exchange rates have smaller daily jump probabilities by 20-30% than when we do not include the periodicity filters of volatility. Thus, when we consider the periodicity filters of volatility such as MAD, Short Half Scale, and WSD, the five minute returns of US Dollar/Euro have considerably smaller jump probabilities.

• Communications for Statistical Applications and Methods
• /
• 제23권3호
• /
• pp.203-213
• /
• 2016

We investigate volatility spillover aspects of realized volatilities (RVs) for the log returns of the Korea Composite Stock Price Index (KOSPI) and the Hang Seng Index (HSI) from 2009-2013. For all RVs, significant long memories and asymmetries are identified. For a model selection, we consider three commonly used time series models as well as three models that incorporate long memory and asymmetry. Taking into account of goodness-of-fit and forecasting ability, Leverage heteroskedastic autoregressive realized volatility (LHAR) model is selected for the given data. The LHAR model finds significant decompositions of the spillover effect from the HSI to the KOSPI into moderate negative daily spillover, positive weekly spillover and positive monthly spillover, and from the KOSPI to the HSI into substantial negative weekly spillover and positive monthly spillover. An interesting result from the analysis is that the daily volatility spillover from the HSI to the KOSPI is significant versus the insignificant daily volatility spillover of the KOSPI to HSI. The daily volatility in Hong Kong affects next day volatility in Korea but the daily volatility in Korea does not affect next day volatility in Hong Kong.

• 경영과정보연구
• /
• 제33권5호
• /
• pp.249-260
• /
• 2014

본 연구는 우리나라의 코스닥시장을 대상으로 기업고유변동성과 주식수익률에 영향을 미치는 것으로 알려진 기업규모, 장부가/시장가, 주가순이익비율, 주가순자산비율, 주가현금흐름비율, 주가매출액비율, 거래회전율 등과 같은 기업특성변수들과 어떤 특징을 보이는 지를 우선적으로 알아보았다. 또한 실현범위변동성 및 기업고유변동성을 이용하여 주식에 투자할 경우 이들 변동성의 크기 따라 분류된 포트폴리오 간에 투자성과에 있어서 어떠한 차이를 보이는 지에 대해서도 살펴보았다. 분석결과에 따르면 기업고유변동성과 주가순이익비율, 주가순자산비율, 주가현금흐름비율, 주가매출액비율 거래회전율 등은 CAPM, FF-3요인 모형 둘 다 기업고유변동성이 높은 포트폴리오 일수록 기업특성변수들은 통계적으로 유의하게 높아지는 경향을 보였다. 즉, 기업고유변동성은 이들 기업특성변수들과 양(+)의 관계를 가지는 것으로 나타났다. 또한, 거래전략을 1/1/1, 즉, 포트폴리오 구성기간 1개월, 구성한 후 기다리는 기간을 1개월, 성과측정 기간 1개월로 정해서 실현범위변동성과 기업고유변동성이 주식의 기대수익률과 어떤 관계를 가지는 지에 대해 분석을 수행하였는데, 실현범위변동성과 기업고유변동성은 주식수익률과 체계적으로 양(+)의 관계를 가진다는 흥미로운 사실을 발견하였다.

• 응용통계연구
• /
• 제35권1호
• /
• pp.93-104
• /
• 2022

S&P 500과 RUSSELL 2000, DJIA, Nasdaq 100 4가지 미국 주가지수의 실현변동성(realized volatility, RV)을 예측하는데 있어서 사람들의 관심 지표로 삼을 수 있는 인터넷 검색량(search volume, SV) 지수와 내재변동성(implied volatility, IV)를 이용하여 LSTM 딥러닝(deep learning) 방법으로 RV의 예측력을 높이고자하였다. SV을 이용한 LSTM 방법의 실현변동성 예측력이 기존의 기본적인 vector autoregressive (VAR) 모형, vector error correction (VEC)보다 우수하였다. 또한, 최근 제안된 RV와 IV의 공적분 관계를 이용한 vector error correction heterogeneous autoregressive (VECHAR) 모형보다도 전반적으로 예측력이 더 높음을 확인하였다.

• Journal of the Korean Data and Information Science Society
• /
• 제22권6호
• /
• pp.1199-1215
• /
• 2011

Relaxing an unrealistic assumption of a representative percolation model, this paper demonstrates that herd behavior leads to a high increase in volatility but not trading volume, in contrast with information flows that give rise to increases in both volatility and trading volume. Although detecting herd behavior has posed a great challenge due to its empirical difficulty, this paper proposes a new methodology for detecting trading days with herding. Furthermore, this paper suggests a herd-behavior-stochastic-volatility model, which accounts for herding in financial markets. Strong evidence in favor of the model specification over the standard stochastic volatility model is based on empirical application with high frequency data in the Korean equity market, strongly supporting the intuition that herd behavior causes excess volatility. In addition, this research indicates that strong persistence in volatility, which is a prevalent feature in financial markets, is likely attributed to herd behavior rather than news.