Ricerca | Progetti

COMBINAZIONE DI PREVISIONI PER LA VOLATILITÀ MULTIVARIATA

In tale contesto si colloca la nostra attività di ricerca con l’intento di voler approfondire l’opportunità di utilizzare combinazioni di previsione per volatilità multivariata e valutare la performance delle combinazioni proposte rispetto a diversi modelli multivariati. In particolare verranno considerate due classi di modelli: modelli per la volatilità realizzata, basati sull’utilizzo di informazioni con cadenza infra-giornaliera, e modelli di tipo GARCH multivariati stimati su informazioni giornaliere. La valutazione dell’approccio proposto è effettuata tramite tecniche innovative di forecast evaluation. La letteratura sui modelli multivariati per la volatilità è relativamente recente e risale alla fine degli anni 80 con i lavori al Bollerslev et al. (1988) che proponeva i modelli VECH. Immediatamente dopo è stata proposta una versione largamente più popolare basata sulla generalizzazione al multivariato dei modelli GARCH (MGARCH) (vedi Bauwens et al. ,2006). Più di recente la crescente disponibilità di dati ad alta frequenza, con cadenza infra-giornaliera, ha stimolato un nuovo filone di ricerca basato sulla proposta di modelli dinamici basati su misure di varianza e covarianza realizzate (Bauwens et al. ,2012). La valutazione della performance previsiva di tali classi di modelli e la selezione del miglior modello in termini di accuratezza delle previsioni è un problema rilevante che non presenta una soluzione univoca o immediata. Il nostro intento è, in primo luogo, di confrontare la capacità previsiva di tali classi di modelli includendo diverse specificazioni basate sulla struttura di varianza e covarianza e sulla frequenza di campionamento dei dati. In secondo luogo e con maggiore enfasi l’interesse è nel proporre strategie di combinazioni di previsione e di verificare l’eventuale superiorità della combinazioni rispetto ai modelli componenti. La selezione dei modelli da includere nella combinazione da un ampio set di modelli candidati è effettuata utilizzando il Model Confidence Set con diverse funzioni di perdita attesa. Le fasi della ricerca si sviluppano attraverso la definizione del set di modelli candidati nelle classi dei modelli MGARCH e dei modelli per RC, lo sviluppo delle procedure di stima e previsione per i modelli selezionati, la proposta di strategie di combinazione basate su funzioni di perdita statistiche ed economiche. La fase di valutazione delle metodologie proposte sarà basata su esperimenti di simulazione Monte Carlo ed applicazioni empiriche su dati reali rilevati a frequenza giornaliera ed a frequenza elevata (inferiore al giorno). I risultati originali della ricerca saranno diffusi attraverso interventi in conferenze internazionali e verranno sottoposti per la pubblicazione in riviste di Statistica ed Econometria con una solida reputazione scientifica. L’interesse per tale argomento di ricerca ha anche favorito l’edizione da parte del responsabile scientifico di una Special Issuetematica sulle combinazioni di previsione su una rivista internazionale di Econometria e Statistica.