Forecasting volatility using cross-section information

• Ano de defesa: 2022
• Autor(a) principal: Dornelas, Guilherme Nogueira
• Orientador(a): Fernandes, Marcelo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Volatilidade(Finanças); Análise de regressão; Mercado de ações - Previsão; Aprendizado de computador; Índices de mercado de ações
• Palavras-chave em Inglês: Intraday volatility; Forecasting models; Machine learning; Commonality; Intraday seasonality; Volatility estimation
• Link de acesso: https://hdl.handle.net/10438/32278

Esse artigo utiliza o modelo Elastic Net para prever a volatilidade intradiária do Índice Dow Jones 30 (DJI) cinco minutos a frente. Nós exploramos o cross-section ao tomarmos como candidatos a previsores as volatilidades passadas do próprio índice e de todos os seus 30 componentes. Primeiro, estimamos a volatilidade intradiária instantânea minuto a minuto, e agregamos em 5 minutos para diminuir erro de microestrutura. Em seguida, estimamos tanto o Elastic Net quanto o modelo benchmark tipo HAR em janelas móveis de 60 minutos. Encontramos que o modelo Elastic Net que inclui informações do cross-section nos fornece uma previsão estatisticamente mais acurada do que o modelo HAR usado como benchmark.