Description
Abstract: This paper explores the volatility forecasting implications of a model in which the friction in high-frequency prices is related to the true underlying volatility. The contribution of this paper is to propose a framework under which the realized variance may improve volatility forecasting if the noise variance is related to the true return volatility. The realized variance is defined as the sum of the squared intraday returns. When based on high-frequency returns, the realized variance would be non-informative for the true volatility under the standard framework. In this new setting, we revisit the results of Andersen et al. (2011) and quantify the predictive ability of several measures of integrated variance. Importantly, the time-varying aspect of the noise variance implies that the forecast of the integrated variance is different from the forecast of a realized measure. We characterize this difference, which is time-varying, and propose a feasible bias correction. We assess the usefulness of our approach for realistic models, then study the empirical implication of our method when dealing with forecasting integrated variance or trading options. The empirical results for Alcoa stock show several improvements resulting from the assumption of time-varying noise variance.
Résumé: Les auteurs analysent l’apport, pour la prévision de la volatilité, d’un modèle dans lequel une relation est établie entre la volatilité fondamentale et les frictions qui caractérisent les prix observés à haute fréquence. L’originalité de leur approche réside dans le fait que, du moment où la variance du bruit est liée à la volatilité fondamentale des rendements, ce modèle est susceptible d’améliorer les prévisions de la volatilité basées sur la variance réalisée. Celle-ci est définie par la somme des carrés des rendements intrajournaliers. Lorsqu’elle est calculée à partir de rendements de haute fréquence, la variance réalisée ne fournit aucune information sur la volatilité fondamentale dans le cadre du modèle classique. Avec leur nouveau modèle, les auteurs réexaminent les résultats de l’étude d’Andersen et autres (2011) et quantifient le pouvoir de prévision de plusieurs mesures de la variance intégrée. Le fait que la variance du bruit ne soit pas constante dans le temps a un important corollaire : les prévisions relatives à la variance intégrée diffèrent des mesures de la volatilité réalisée. Les auteurs caractérisent cette différence, elle-même variable dans le temps, et proposent une méthode qui permet de corriger le biais. Ils évaluent l’utilité de leur approche pour des modèles réalistes et en étudient l’apport empirique pour la prévision de la variance intégrée ou les transactions d’options. Appliquée au titre Alcoa, leur méthode, en particulier la forme spécifique d’hétéroscédasticité du bruit, conduit à des améliorations.
Résumé: Les auteurs analysent l’apport, pour la prévision de la volatilité, d’un modèle dans lequel une relation est établie entre la volatilité fondamentale et les frictions qui caractérisent les prix observés à haute fréquence. L’originalité de leur approche réside dans le fait que, du moment où la variance du bruit est liée à la volatilité fondamentale des rendements, ce modèle est susceptible d’améliorer les prévisions de la volatilité basées sur la variance réalisée. Celle-ci est définie par la somme des carrés des rendements intrajournaliers. Lorsqu’elle est calculée à partir de rendements de haute fréquence, la variance réalisée ne fournit aucune information sur la volatilité fondamentale dans le cadre du modèle classique. Avec leur nouveau modèle, les auteurs réexaminent les résultats de l’étude d’Andersen et autres (2011) et quantifient le pouvoir de prévision de plusieurs mesures de la variance intégrée. Le fait que la variance du bruit ne soit pas constante dans le temps a un important corollaire : les prévisions relatives à la variance intégrée diffèrent des mesures de la volatilité réalisée. Les auteurs caractérisent cette différence, elle-même variable dans le temps, et proposent une méthode qui permet de corriger le biais. Ils évaluent l’utilité de leur approche pour des modèles réalistes et en étudient l’apport empirique pour la prévision de la variance intégrée ou les transactions d’options. Appliquée au titre Alcoa, leur méthode, en particulier la forme spécifique d’hétéroscédasticité du bruit, conduit à des améliorations.