Volatility Forecasting Using Global Stochastic Financial Trends Extracted from Non-Synchronous Data

Abstract

This paper introduces a method based on the use of various linear and nonlinear state space models that uses non-synchronous data to extract global stochastic financial trends (GST). These models are specifically constructed to take advantage of the intraday arrival of closing information coming from different international markets in order to improve the quality of volatility description and forecasting performances. A set of three major asynchronous international stock market indices is used in order to empirically show that this forecasting scheme is capable of significant performance improvements when compared with those obtained with standard models like the dynamic conditional correlation (DCC) family.

Bayesian structure selection for vector autoregression model

“…For example, the proposed method can be extended to handle conditional heteroskedasticity by incorporating with the de-GARCHing technique, a popular method of modeling multivariate time series with the generalized autoregressive conditional heteroskedasticity (GARCH) effect (Engle, 2002(Engle, , 2009Grigoryeva, Ortega, & Peresetsky, 2018;Härdle, Okhrin, & Wang, 2015). For example, the proposed method can be extended to handle conditional heteroskedasticity by incorporating with the de-GARCHing technique, a popular method of modeling multivariate time series with the generalized autoregressive conditional heteroskedasticity (GARCH) effect (Engle, 2002(Engle, , 2009Grigoryeva, Ortega, & Peresetsky, 2018;Härdle, Okhrin, & Wang, 2015).…”

Non-synchronous time series is the main reason of US stock exchanges leadership in classic econometric models

“…Обзор методов по устранению проблемы несинхронности может быть найден в диссертации Р. Григорьева [15, с. 81], также следует отдельно выделить последние наработки в указанной области [16][17][18][19][20]. 4 .…”

“…Довольно странно, что при неоспоримом подтверждении факта наличия такого большого числа сходств Б. Резник и Г. Шусмит не цитируют работу Р. Григорьева, находящуюся в открытом доступе с 2011 г. в Google.Scholar 19 , и две его статьи, опубликованные с соавторами в журнале «Прикладная эконометрика» и находящиеся в открытом доступе с 2012 г. 20 Факт отсутствия цитирований указывает на то, что эти исследователи развивали данную модель самостоятельно, однако число совпадений смыслов в гипотезе, идентичность метода подготовки данных и интерпретаций результатов показывают, что предположить факт независимой разработки гипотезы достаточно тяжело.…”