Исследования особенностей процесса волатильности, автокорреляции, распределения уровней и приращений, разные меры волатильности (OHLC RV, |log r|) и т.п.
Подробней в
видео 15мин, и
отчете. Данные — дневные OHLC цены 250 акций 50 лет каждая.



Ошибки, какие то еще особенности волатильности что я упустил, было бы интересно услышать...
сигнал который подается на классический гарч, огромный разброс значений, точность наверно будет низкая
Этот же сигнал но боль менее нормализованный (напр EGARH), разброс гораздо меньше, по идее точность должна быть лучше
Хотя, по слухам вроде как гарч в классическом виде давно уже никто не использует… так что вопрос не актуален…
Точность такого измерения низкая, std от такого измерения — будет квадрат в квадрате, или 4я степень, огромный разброс плюсминус километр, что делает число полученное такой агрегацией бессмысленным.
Вторую часть не понял.
Да лог сильно сжимает, стоит попробовать также менее экстремалтную нормализацию, как абс значения.
желательно разбить поток данных на режимы покой/стресс/паника. распределением стьюдента/Jump-Diffusion/Устойчивое Леви модели распределения.
формализовать можно через — Модель Маркова с переключениями (Markov-Switching Model, MSM).
разные модели дадут разные оценки дисперси (риска).
если начать фильтровать экстремальные события — систематически занижаем риск, создаем иллюзию стабильности, модель будет молчать до самого кризиса, а в момент кризиса сломается.