Предсказателтные Модели vs Генеративные
Предсказательные предсказывают функцию (волатильность, цену), точнее ее среднее E[f(x)]. Он не похожи на настоящий случайный процесс, слишком плавные.
AR, MA, ARMA, HAR (с долгой памятью)
Генеративные предсказывают как функцию так и первую производную (ее дискретный аналог, приращения). Они предсказывпют не только среднее знач функции, но и ее микроструктуру.
Они похожи на настоящий процесс.
ARIMA, ARCH, GARCH, ARFIMA (с долгой памятью), они также могут работать как предсказательные.
SV, Heston, SVJ, SABR, Local SV, Rough Volatility и т.п. (не могут предсказывать напрямую, требуют симуляции)
Для них также можно также задать дополнительное условие для производной совпадение hurst exponent, может еще спектра.
1.2К |
Читайте на SMART-LAB:
Средние доходности облигаций в зависимости от кредитного рейтинга. От B- до AA+
👉 Наш канал в MAX 👈
👉 Чат Иволги в MAX 👈
Средние доходности облигаций в зависимости от рейтинга (бледные столбцы...
X5 операционные результаты 1 кв. 2026 г. - рост выручки ниже прогноза
X5 опубликовала операционные результаты за 1 квартал 2026 года. Выручка выросла на 11,3% до 1,19 трлн рублей. Сопоставимая выручка прибавила...
ByteDog — нейросеть от Positive Technologies для поиска вирусов
Мы разработали собственную нейросеть, которая находит вирусы на 20% точнее, чем классические модели машинного обучения.
Она построена на...
HAR с небольшими доработками.
ARFIMA она не простая, но мне кажется ее можно упростить наподобии HAR. С небольшими доработками.
HAR (Heterogeneous Autoregressive) модель предполагает, что текущая волатильность зависит от волатильности на разных временных горизонтах:
Базовая формула:
RV(t) = β₀ + β₁×RV(t-1) + β₂×RV(weekly) + β₃×RV(monthly) + ε(t)