Volatility Risk Premium Across Multiple Asset Classes

Abstract

Tato práce analyzuje využití rizokové prémie za volatilitu pro předpovídání volatility na 18 odlišných trzích, ve dvou časových obdobích. Ukazuje, že VRP lze použít jako vhodný prostředek k předpovídání volatility. Výzkum naznačuje, že RIV modely, které upravují současnou implikovanouvolatilituo rizikovou prémii, dosahujívýrazněpřesnějších predikcí budoucívolatility ve srovnání s jinými modely. Práce zkoumá různé metody výpočtu RIV modelů, hodnotí jejich efektivitu a hranice. Závěry výzkumu platí pro většinu zkoumaných aktiv a jsou podloženy různými statistickými testy.

This paper analyzes the utilization of volatility risk premium for volatility forecasting across 18 distinct markets in two time frame periods. We show that VRP can be used as a viable tool for volatility forecasting. Our research suggests that RIV models, which adjust current implied volatility for volatility risk premium, can yield significantly more accurate volatility forecasts compared to other forecasting models. We examine various methodologies for deriving RIV models, assessing their effectiveness and limitations. Our findings hold true for the majority of assets analyzed and are supported by various loss functions and other statistical tests, underscoring the robustness of our conclusions.