Forecasting Realized Volatility Using Neural Networks

Abstract

Předkládaná práce se zabývá předpovídáním časových řad denní realizované volatility vybraných měnových párů EUR/USD, GBP/USD a USD/CHF, pomocí neu-ronových sítí. Jejich výsledky jsou porovnány s výsled-ky aktuálně populárního modelu HAR (Heterogenous Autoregressive) a již tradičních modelů ARIMA. Vedlejším produktem těchto snah je zdokonalení modelu HAR, které je nazváno HARD rozšířením. Po otestování jeho predikčních schopností je tento model dále použit jako referenční model pro testování neuronových sítí a modelu ARIMA.

In this work, neural networks are used to forecast daily Realized Volatility of the EUR/USD, GBP/USD and USD/CHF currency pairs time series. Their performan-ce is benchmarked against nowadays popular Hetero-genous Autoregressive model of Realized Volatility (HAR) and traditional ARIMA models. As a by-product of our research, we introduce a simple yet effective enhancement to HAR model, naming the new model HARD extension. Forecasting performance tests of HARD model are conducted as well, promoting it to become a reference benchmark for neural networks and ARIMA.