• 재무관리연구
• /
• 제26권2호
• /
• pp.181-201
• /
• 2009

This study is on the forecasting performance analysis of range volatility estimators(Parkinson, Garman and Klass, and Rogers and Satchell) relative to historical one using two-scale realized volatility estimator as a benchmark. American sub-prime mortgage loan shock to Korean stock markets happened in sample period(January 2, 2006~March 10, 2008), so the structural change somewhere within this period can make a huge influence on the results. Therefore sample was divided into two sub-samples by May 30, 2007 according to Zivot and Andrews unit root test results. As expected, the second sub-sample was much more volatile than the first sub-sample. As a result of forecasting performance analysis, Rogers and Satchell volatility estimator showed the best forecasting performance in the full sample and relatively better forecasting performance than other estimators in sub-samples. Range volatility estimators showed better forecasting performance than historical volatility estimator during the period before the outbreak of structural change(the first sub-sample). On the contrary, the forecasting performance of range volatility estimators couldn't beat that of historical volatility estimator during the period after this event(the second sub-sample). The main culprit of this result seems to be the increment of range volatility caused by that of intraday volatility after structural change.

• 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
• /
• 제36권2호
• /
• pp.129-139
• /
• 2023

변동성의 예측은 자산의 리스크에 대비하는 데에 중요한 역할을 하기때문에 필수적이다. 인공지능을 통하여 이러한 복잡한 특성을 지닌 변동성 예측을 시도하였는데 기존 시계열 예측에 적합하다 알려진 LSTM (1997)과 GRU (2014)은 기울기 소실로 인한 문제, 방대한 연산량의 문제, 그로 인한 메모리양의 문제 등이 존재하였다. 변동성 데이터는 비정상성(non-stationarity)과 정상성(stationarity)을 모두 가지고 있는 특성이 있으며, 자산 가격 하방 쇼크에 더 큰 폭으로 상승하는 비대칭성과 상당한 장기 기억성, 시장에 큰 사건이 발생할 때 기존의 값들에 비해 이상치라 할 수 있을 정도의 예측할 수 없는 큰 값이 발생하는 특성들이 존재한다. 이렇게 여러 가지 복잡한 특성들은 하나의 모형으로 구조화되기 어려워서 전통적인 방식의 모형으로는 변동성에 대한 예측력을 높이기 어려운 면이 있다. 이러한 문제를 해결하기 위해 1D CNN의 발전된 형태인 causal TCN (causal temporal convolutional network) 모형을 변동성 예측에 적용하고, 예측력을 최대화 할 수 있는 TCN 구조를 설계하고자 하였다. S&P 500, DJIA, Nasdaq 지수에 해당하는 변동성 지수 VIX, VXD, and VXN, 에 대하여 예측력 비교를 하였으며, TCN 모형이 RNN 계열의 모형보다도 전반적으로 예측력이 높음을 확인하였다.

• 국제지역연구
• /
• 제14권2호
• /
• pp.25-40
• /
• 2010

변동성을 정확하게 예측하는 것은 금융시장의 변동성 연구에 있어 특히 포트폴리오선택, 옵션가격결정, 위험관리와 관련하여 매우 흥미로운 연구주제이다. 왜냐하면 변동성은 시장의 위험을 의미하기 때문이다. 이 논문은 세 가지 변동성 모형(GARCH, IGARCH, FIGARCH)을 이용하여 호주 주가지수선물시장의 일일후 변동성을 예측하고 각 모형의 예측력을 비교 분석하였다.특히 호주 주가지수선물 변동성에 존재하는 장기기억 특성에 초점을 맞추고 실증분석하였다. 실증분석 결과 FIGARCH 모형이 GARCH 모형이나 IGARCH 모형보다 호주 주가지수선물시장의 장기기억 특성을 더 잘 포착한다는 것을 발견하였다. 또 세 모형 중 FIGARCH 모형을 이용할 경우 일일후 변동성 예측의 성과가 가장 우수하다는 것도 발견하였다. 이는 호주 주가지수선물 변동성에 장기기억이 존재하는 것을 의미하고, 변동성의 특징을 명시적으로 고려하는 FIGARCH 모형이 장기기억을 고려하지 않는 다른 모형들보다 예측성과 측면에서 더 우수하다는 것을 의미한다. 따라서 호주 주가지수선물시장의 장기기억 변동성을 예측하는 데는 FIGARCH 모형이 가장 유용한 것으로 나타났다.

• 경영과정보연구
• /
• 제30권2호
• /
• pp.237-255
• /
• 2011

변동성을 측정하는 데에는 주로 종가기반(close-to-close)의 수익률 자료를 이용하여 이루어지고 있지만, 일중 변동폭을 나타내는 가격범위에 관한 정보인 고가와 저가를 포함한 범위변동성에 대한 연구가 최근 활발해지고 있다. 본 연구는 범위 변동성에 대한 개념이 생긴 이후 최근 확장되고 있는 다양한 연구주제와 더불어 범위변동성을 실무적으로 활용하기 위한 것으로 범위변동성 예측에 있어 적절한 예측기간을 제시하는 것을 목적으로 하고 있다. 범위변동성은 Parkinson(1980; PK), Garman and Klass(1980; GK) Rogers and Satchell(1991; RS), Yang and Zhang(2008; YZ)이 제시한 추정치를 이용하였으며, AR(1), MA(1)모형을 이용하여 예측된 변동성과 실현변동성간의 예측오차를 비교하는데 이때 예측기간을 시변하여 산출함으로써 예측력을 비교분석하였다. 2000.5.22~2009.9.18(총 2,307일간)의 KOSPI200지수를 대상으로 분석한 결과는 다음과 같다. 첫째, PK, GK, RS, YZ 변동성 중 KOSPI200의 변동성을 가장 잘 예측하는 변동성은 PK변동성 또는 RS변동성으로 보인다. 두 변동성의 예측력 우위는 분석기간에 따라 미세한 차이를 보이는데 금융위기를 포함하는 경우 PK변동성이 우수하며, 포함하지 않는 경우는 RS변동성이 우수한 것으로 나타났다. 둘째, 금융위기를 포함하지 않는 경우 대부분의 경우 예측오차가 크게 줄어드는 것으로 나타나 금융위기처럼 변동성이 크게 나타나는 경우에는 범위변동성을 이용한 변동성예측력이 상당히 떨어질 수 있음을 확인하였다. 셋째, 범위변동성을 이용하여 변동성을 예측하는 경우 AR(1), MA(1)모형의 모수추정기간을 길게 하는 경우 예측오차의 평균은 감소하는 경향이 확인되었다. 특징적인 점은 60일 또는 90일로 기간을 늘일 경우에 예측오차가 급격하게 감소하는 경향을 보이는 것인데, 각각의 변동성과 예측모형에 따라 다소의 차이가 나타난다. 그리고, 예측오차의 편차는 90일 이후 큰 변화를 보이지 않고 있는 것으로 보인다. 따라서, 범위변동성을 이용하여 범위변동성을 예측할 경우 90거래일 이상의 가격 정보를 이용하여 예측을 하는 것이 예측오차를 줄여 예측력을 높일 수 있을 것으로 판단된다.

• 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.

• 한국시스템다이내믹스연구
• /
• 제8권2호
• /
• pp.175-190
• /
• 2007

Stock market volatility largely depends on firms' value and growth opportunities. However, with the globalization of world economy, the effect of the synchronization in major countries is gaining its importance. Also, domestically, the business cycle and cash market of the country are additional factors needed to be considered. The main purpose of this research is to attest the application and usefulness of System Dynamics as a general stock market forecasting tool. Throughout this research, System Dynamics suggests a conceptual model for forecasting a KOSPI(Korea Composite Stock Price Index), taking the factors of the composite stock price indexes in traditional researches. In conclusion of this research, System Dynamics was proved to bean appropriate model for forecasting the volatility and direction of a stock market as a whole. With its timely adaptability, System Dynamic overcomes the limit of traditional statistic models.

• KIEE International Transactions on Power Engineering
• /
• 제4A권3호
• /
• pp.159-166
• /
• 2004

Forecasting prices in electricity markets is critical for consumers and producers in planning their operations and managing their price risk. We utilize the generalized autoregressive conditionally heteroskedastic (GARCH) method to forecast the electricity prices in two regions of New York： New York City and Central New York State. We contrast the one-day forecasts of the GARCH against techniques such as dynamic regression, transfer function models, and exponential smoothing. We also examine the effect on our forecasting of omitting some of the extreme values in the electricity prices. We show that accounting for the extreme values and the heteroskedactic variance in the electricity price time-series can significantly improve the accuracy of the forecasting. Additionally, we document the higher volatility in New York City electricity prices. Differences in volatility between regions are important in the pricing of electricity options and for analyzing market performance.

• 통상정보연구
• /
• 제12권1호
• /
• pp.99-121
• /
• 2010

This paper reviews the categories and properties of risk measures, analyzes the classes and structural equations of volatility forecasting models, and presents the practical methodologies and their expansion methods of estimating and forecasting the volatilities of exchange rates using Excel spreadsheet modeling. We apply the GARCH(1,1) model to the Korean won(KRW) denominated daily and monthly exchange rates of USD, JPY, EUR, GBP, CAD and CNY during the periods from January 4, 1998 to December 31, 2009, make the estimates of long-run variances in the returns of exchange rate calculated as the step-by-step change rate, and test the adequacy of estimated GARCH(1,1) model using the Box-Pierce-Ljung statistics Q and chi-square test-statistics. We demonstrate the adequacy of GARCH(1,1) model in estimating and forecasting the volatility of exchange rates in the monthly series except the semi-variance GARCH(1,1) applied to KRW/JPY100 rate. But we reject the adequacy of GARCH(1,1) model in estimating and forecasting the volatility of exchange rates in the daily series because of the very high Box-Pierce-Ljung statistics in the respective time lags resulting to the self-autocorrelation. In conclusion, the GARCH(1,1) model provides for the easy and helpful tools to forecast the exchange rate volatilities and may become the powerful methodology to overcome the application difficulties with the spreadsheet modeling.