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:
Реальные доходы: новый выпуск «Лампы Трампа» с Элвисом Марламовым
Рынки в дисбалансе: рубль держится, а золото, палладий и алюминий становятся звездами инвестиций. Долговые обязательства компаний, перспективы...
Как с умом воспользоваться нашей скидкой?
Сейчас мы сохраняем возможность обучаться по сниженной цене, понимаем текущую экономическую ситуацию. В ближайшее время стоимость обучения...
Как изменились средние доходности облигаций (по рейтингам) за неделю? Продолжили снижение
Средние доходности облигаций в зависимости от рейтинга (бледные столбцы — доходности без сглаживания). И как они изменились за неделю....
Потенциальные инвест идеи 2026 и РИСКИ их исполнения
Традиционный ежегодный пост в начале года. Прогнозы, планы и мысли на будущее
25 год был достаточно сложным годом для российского инвестора —...
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)