金融网络序列时空波动性模型比较分析：实证研究

最近提出了各种时空和网络GARCH模型来捕捉波动性相互作用，例如市场风险在金融网络中的传播。这些方法在很大程度上依赖于邻接或时空权重矩阵的指定，而文献中已有多种替代方案。本文评估了一系列时空波动模型和多变量GARCH基准在九种不同网络规范下的预测性能。实证分析使用1998年12月22日至2024年10月20日的每日数据，覆盖16只行业多元化的标普500股票。实现了一步跟随预测框架，并使用BIC、RMSFE和MAFE进行模型评估，预测结果以平方对数收益作为实现波动性的单一代理。九个空间权重矩阵反映了多样化的经济和统计关系，包括Granger滤波和EGARCH-based的溢出。结果表明，一些时空模型在预测准确性方面优于标准GARCH基准。值得注意的是，动态时空ARCH模型在所有网络规范下实现了最低的RMSFE和MAFE，同时计算成本最低。成对Diebold-Mariano检验确认预测准确性存在显著差异。这些发现凸显了将空间结构纳入波动性建模的价值，作为金融网络分析的简洁且可解释的替代方案。