Integrated variance forecasting: Model based vs. reduced form
积分方差预测：基于模型的方法与简约式方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接比较利用高频收益数据进行积分方差和金融波动率预测的方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
积分方差预测：基于模型的方法与简约式方法
- 研究问题
- 已有高频收益数据、但真实过程和参数未知时，基于模型与简约式的金融波动率预测如何比较，误设和输入误差有何影响？
- 方法与思路
- 作者推导预测误差的精确公式，分解数据建模错误与预测输入误差的贡献，并用马克兑美元的五分钟收益进行实证比较。
- 材料陈述的贡献
- 摘要称，可行预测的比较并不总支持模型法；在所研究设置中，简约式通常更适合长期预测及存在微观结构噪声的短期预测。
- 阅读关注点
- 应核对两类预测的模型定义、可行估计步骤、误差分解，以及预测期限和微观结构噪声如何影响比较结果。
- 阅读边界
- 仅据所给出版社摘要，无法判断优势所依赖的过程、损失指标与样本条件；文中比较不能视为所有波动率预测场景的结论。
原文摘要
This paper compares model-based and reduced-form forecasts of financial volatility when high-frequency return data are available. We derived exact formulas for the forecast errors and analyzed the contribution of the "wrong" data modeling and errors in forecast inputs. The comparison is made for "feasible" forecasts, i.e., we assumed that the true data generating process, latent states and parameters are unknown. As an illustration, the same comparison is carried out empirically for spot 5 min returns of DM/USD exchange rates. It is shown that the comparison between feasible reduced-form and model-based forecasts is not always in favor of the latter in contrast to their infeasible versions. The reduced-form approach is generally better for long-horizon forecasting and for short-horizon forecasting in the presence of microstructure noise.