Волатильность это скрытый лог нормальный процесс (без перекоса и без тяжелых хвостов). И поэтому все упрощется и в каждый момент его можно описать всего 2мя числами — локация и дисперсия. Соотв прогноз волатильности это 2 числа, не одно.
Если мерять через IV поверхность, то локация это волатильность ATM а дисперсия — как сильно отличается волатильность на FAR OTM, т.е. как высоко идут крылья.
Если мерять через интрадей, то локация это Е[log r^2] а дисперсия std[log r^2] от минутных лог прибылей.
Практический смысл? Возможно стоит на графиках вывести 2 линии вместо одной (или одну переменной толщины), может они смогут лучше обьяснить режимы рынка и т.п. чем одна линия...
П.С. И это то чего не может GARCH, он отслеживает только loc, упуская 2е (ну и динамику).
вы только что сказали, что log-GARCH это на самом деле просто ARIMA для волы, а для волы волы нужен бы… GARCH (!)
я уж совсем свалю в оффтоп, но реально «устойчивое дно дискуссии» — это функция полезности, в ней естественным образом вылазят и волатильность и все остальные моменты (не только 3й и 4й, а вообще все) и вопрос где рубить разложение полезности по моментам — это вопрос о таймфрейме, потому что на разных таймфреймах вклад разных моментов убывает по разному
+ «с автокорреляцией которая дает нестационарность ошибки». Я упустил это уточнение о нестационарности ошибки в посте, вы это имели ввиду, или что то другое
думаю нет… я про вот это
Соотв прогноз волатильности это 2 числа
как вообще пришли к GARCH?
— сначала прогнозировали r как регрессию от предыдущих r и \eps, по сути это ARMA для локация
— задумались, что \sigma перед \eps тоже как-то меняется и написали на неё (её квадрат) еще одну регрессию — это ARMA для масштаба или GARCH
впринципе, то о чем вы пишите дальше — это про регрессию для log \Sigma^2 через неё саму и log \r^2, таки да, оно постационарнее будет чем просто для \sigma^2, но вот будет ли оно правдоподобнее я не проверял, наверное будет ...
вопрос — а почему вы останавливаетесь на модели для log \sigma^2? можно же продолжать и дальше — у этой модели есть инновация — coeff * (log [r^2 / \sigma^2] — avg)
всё сказанное выше можно провернуть еще раз и для log coeff^2
Дезинфляция в еврозоне и стагфляция Британии: кому сложнее из ЦБ
USD/JPY торгуется около 156.70 в среду, прибавляя 0.53% за день, и это движение выглядит не столько “про доллар”, сколько “против иены”. Ключевой триггер — сомнение рынка в том, что...
Котировки ВТБ на фоне умеренно позитивной динамики российского рынка в целом консолидируются у отметки 87,4, нейтрально реагируя на публикацию результатов по международным стандартам финансовой...
znak
Макс Пчелкин Ремора, в своей презентации Пьянов дает понимание того, как будет формироваться достаточность капитала к началу 2 кварт 2027 в ...
SP65,
***а подумай почему на минутной свечке ...
Общий портфель микрозаймов по итогам 2025 года составил ₽520,4 млрд, сократившись впервые за три года — Ъ 2025 год стал для микрофинансовых организаций первым за последние три года периодом сокращения...
OBOROT, статейко-писатель, ты нам всё так замечательно тут вещаешь, но цена акций компании находится уровне минимумов 2022 года. Вы там из своего позитивного-розового мира в реальность возвращайтесь.
США-УКРАИНА-РОССИЯ-УРЕГУЛИРОВАНИЕ
26.02.2026 06:48:27
США добились сужения круга вопросов в переговорах по урегулированию ситуации на Украине — Рубио
Вашингтон. 26 февраля. ИНТЕРФАКС — Го...
в нашенском деле — интереснее распад волатильности…
я уж совсем свалю в оффтоп, но реально «устойчивое дно дискуссии» — это функция полезности, в ней естественным образом вылазят и волатильность и все остальные моменты (не только 3й и 4й, а вообще все) и вопрос где рубить разложение полезности по моментам — это вопрос о таймфрейме, потому что на разных таймфреймах вклад разных моментов убывает по разному
думаю нет… я про вот это
как вообще пришли к GARCH?
— сначала прогнозировали r как регрессию от предыдущих r и \eps, по сути это ARMA для локация
— задумались, что \sigma перед \eps тоже как-то меняется и написали на неё (её квадрат) еще одну регрессию — это ARMA для масштаба или GARCH
впринципе, то о чем вы пишите дальше — это про регрессию для log \Sigma^2 через неё саму и log \r^2, таки да, оно постационарнее будет чем просто для \sigma^2, но вот будет ли оно правдоподобнее я не проверял, наверное будет ...
вопрос — а почему вы останавливаетесь на модели для log \sigma^2? можно же продолжать и дальше — у этой модели есть инновация — coeff * (log [r^2 / \sigma^2] — avg)
всё сказанное выше можно провернуть еще раз и для log coeff^2
ps: кстати, а как вы логорифмируете r^2 при r=0?