Realized Jump GARCH model: Can decomposition of volatility improve its forecasting?

Abstract

Tato diplomová práce se zabývá aplikací neparametrických odhadů realizované volatility při modelování a predikcích volatility. Analýza dopadu skoků v cenovém procesu na budoucí volatilitu na akciových trzích střední a východní Evropy je provedena pomocí Realized Jump GARCH modelu, který umožňuje analyzovat vliv skokové variace na budoucí volatilitu. Portfolio odhadovaných modelů dále zahrnuje Realized GARCH a HAR modely pro porovnání predikčních a odhadních vlastností. Výsledky analýzy naznačují, že skoková složka volatility není zanedbatelná. Zároveň je ale její vliv značně omezen. To může být způsobeno vysokou mírou informační agregace v rámci akciového indexu. Porovnání Realized (Jump) GARCH modelů se standardním GARCH modelem naznačuje, že zahrnutí odhadů realizované volatility implikuje lepší odhadní a predikční vlastnosti. Srovnání predikcí získaných použitím HAR modelů a Realized (Jump) GARCH modelů naznačuje, že Realized (Jump) GARCH modely mají lepší predikční vlastnosti především ve vyšší míře zachycené variability volatility. Porovnání predikcí Realized Jump GARCH modelu s ostatními Realized GARCH modely naznačuje, že jeho predikce jsou srovnatelné nebo mírně lepší.

The present thesis focuses on exploration of the applicability of realized measures in volatility modeling and forecasting. We provide a first comprehensive study of jump variation impact on future volatility of Central and Eastern European stock markets. As a main workhorse, the recently proposed Realized Jump GARCH model, which enables a study of the impact of jump variation on future volatility forecasts, is used. In addition, we estimate Realized GARCH and heterogeneous autoregressive (HAR) models using one-minute and five-minute high frequency data. We find that jumps are important for future volatility, but only to a limited extent due to the high level of information aggregation within the stock market index. Moreover, Realized (Jump) GARCH models outperform the standard GARCH model in terms of data fit and forecasting performance. Comparison of forecasts with HAR models reveals that Realized (Jump) GARCH models capture higher portion of volatility variation. Eventually, Realized Jump GARCH compared to other Realized GARCH models provides comparable or even better forecasting performance.