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
Число инвесторов RENI достигло 107 тысяч человек по итогам 2025 года
Получили свежий отчет Московской Биржи. Количество наших инвесторов в течение 2025 года выросло на 45 тысяч человек до 107 тысяч, +73% с декабря 24 года. Средний размер владения в течение года...
Народный портфель. Норникель снова заменил Роснефть
Московская биржа опубликовала данные о «Народном портфеле» на конец 2025 г. Рассмотрим, какие бумаги были популярны у российских частных инвесторов, а также проанализируем их выбор....
Операционные результаты ПАО «АПРИ» за декабрь и 12 месяцев 2025 года: инфографика
Операционные результаты ПАО «АПРИ» за декабрь и 12 месяцев 2025 года: инфографика
Цифры говорят лучше слов, особенно когда они представлены наглядно. 💼 Для вашего удобства мы...
Обзор данных Росстата по выработке электроэнергии в РФ в ноябре 2025г. и по потреблению энергии в декабре 2025г.
Росстат представил данные по выработке электроэнергии в РФ в ноябре 2025г.: 👉выработка электроэнергии в РФ — 104,59 млрд кВт*ч. ( -2,69% г/г)
— в т.ч. выработка ТЭС станциями — 68,43...
profynn, ой… мы то все глазки просмотрели… а где такие «инструменты» водятся? :))) Таблеточки то не забывайте принимать. Отмотайте чат назад… и почитайте себя:))))) Занят был он… нытьем.:)))
Динамика инфляции позволяет ждать снижение ключевой ставки до 12% к концу 2026 г. — Сбер Центр макроэкономических исследований Сбербанка подготовил анализ динамики инфляции по итогам 2025 года, ее фак...
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?