实现在实波动性的 GNAR-HARX 模型：纳入外生预测器与网络效应
应用统计
2025-10-29 v1
摘要
本项目引入 GNAR-HARX 模型，将通用网络自回归（GNAR）结构与异质自回归（HAR）动力学以及诸如隐含波动性等外生预测器相结合。该模型用于预测实现在实波动性，通过捕捉金融市场中的时间持久性和横截面溢出效应。我们将其应用于十个国际股指的日度实现在实方差数据，在约 16 年（2005-2020 年）的滚动窗口外样本期间生成一步-ahead 预测。使用准似然（QLIKE）损失和均方误差（MSE）评估预测精度，比较全连接、标准和局部变体以及不同网络结构和外生规格。以 QLIKE 为最佳模型的是本地 GNAR-HAR（不含外生变量），而 MSE 最低的是标准 GNAR-HARX 带隐含波动性。总体而言，本地和标准 GNAR-HAR(X) 模型提供了最强的预测，尽管参数数量超过精简的全局变体；后者尽管如此仍具竞争力。在所有情况下，GNAR-HAR(X) 模型均优于单变量 HAR(X) 基准，而后者往往需要更多参数。尽管 QLIKE 找到的顶级模型未使用外生变量，但隐含波动性和隔夜收益在被纳入时是最有用的预测器。
引用
@article{arxiv.2510.24443,
title = {GNAR-HARX Models for Realised Volatility: Incorporating Exogenous Predictors and Network Effects},
author = {Tom Ó Nualláin},
journal= {arXiv preprint arXiv:2510.24443},
year = {2025}
}